使用python scipy.Optimize.minimize优化具有多个输出的函数

我在网上搜索了一下，没有找到任何解决这个问题的方法，所以我决定在这里正式提问

我有一个具有多个输出的函数：

f(input1,input2,... ,inputn) = output1,ouput2,output3

我希望尽量减少对其他输出的约束，例如：

output2 >= 0 and output3 <= 7   (*constraints*)

现在我相信答案应该在Scipy函数的文档中

---

事实上，据我所知，我只能约束我的函数输入，而不能约束函数的一些输出。我遗漏了什么吗？

下面是一个带约束的优化示例：

from scipy.optimize import minimize

def f(xy):
    x, y = xy 
    return x**2 + y**2

def constraint1(xy):
    x, y = xy 
    return x-1

def constraint2(xy):
    x, y = xy 
    return y-2

constraints = ({'type': 'ineq', 'fun': constraint1},
               {'type': 'ineq', 'fun': constraint2})

xy_start = [0, 0]
res = minimize(f, xy_start, method='SLSQP', constraints=constraints)

其中：

     fun: 4.999999999999997
     jac: array([2., 4.])
 message: 'Optimization terminated successfully.'
    nfev: 13
     nit: 3
    njev: 3
  status: 0
 success: True
       x: array([1., 2.])

其思想是，要最小化的函数是标量函数：返回值必须仅为

output1

。为了定义每个约束，必须添加其他函数：

constraint1（输入）->output2

，

constraint2（输入）->output3

。。。等

也许您可以将代码的“非常机密的部分”分成不同的函数，目标函数和约束函数都将使用这些函数

     fun: 4.999999999999997
     jac: array([2., 4.])
 message: 'Optimization terminated successfully.'
    nfev: 13
     nit: 3
    njev: 3
  status: 0
 success: True
       x: array([1., 2.])