Python scipy.optimize.minimize函数中方形拟合约束中的错误

我正在将数据拟合到最小平方拟合。我给出了装配的约束条件，如下所示。”“实验规范”没有定义，但它包含我的数据，将我的数据调用到代码中并不是问题，所以我没有把它放在我的问题中。但在我的约束中，我想问的一件事是，p[3]，p[4]，p[5]，p[6]和p[7]小于1。但是当我调用p[3]、p[4]、p[5]、p[6]和p[7]的优化参数时，它们都大于1。我做错什么了吗

def myerr(p, xdata, ydata):  
return sum((ydata - calculate_spectrum(p,xdata))**2)

con = ({'type': 'eq', 'fun': lambda p: p[11]+p[12]+p[13]-1}, {'type': 'ineq', 'fun': lambda p: p[11]}, {'type': 'ineq', 'fun': lambda p: p[12]},{'type': 'ineq', 'fun': lambda p: p[13]},{'type': 'ineq', 'fun': lambda p: p[3]-1},{'type': 'ineq', 'fun': lambda p: p[4]-1},{'type': 'ineq', 'fun': lambda p: p[5]-1},{'type': 'ineq', 'fun': lambda p: p[6]-1},{'type': 'ineq', 'fun': lambda p: p[7]-1})
p0 = [m,z,3000,0.3,0.3,0.1,0.2,0.3,0.4,0.4,0.4,0.2,0.5,0.6]
p_opt = scipy.optimize.minimize(myerr, p0, args=(mz,experiment_norm), constraints = con)

从：

等式约束表示约束函数结果为零，而不等式表示约束函数结果为非负

让我们看看您的一个约束条件：

{'type': 'ineq', 'fun': lambda p: p[3]-1}

非负表示

p[3]-1

必须大于或等于零。所以

p[3]-1>=0

或

p[3]>=1

。您没有指定contstraint小于1，而是大于1！你想要的是：

{'type': 'ineq', 'fun': lambda p: 1-p[3]}

请注意，您还可以将多个contstraint分组在一起，以获得更简单的代码：

{'type': 'ineq', 'fun': lambda p: [1-p[3], 1-p[4], 1-p[5], 1-p[6], 1-p[7]]}

或者如果

p

是一个numpy数组：

{'type': 'ineq', 'fun': lambda p: 1-p[3:8]}

---

发布一个完全有效的代码示例是一种良好的礼仪。这使得乐于助人的人更容易发现错误并测试解决方案。