scipy.optimize.

LinearConstraint

class scipy.optimize.LinearConstraint(A, lb=-inf, ub=inf, keep_feasible=False)

对变量的线性约束。

约束的一般不等式形式为

lb <= A.dot(x) <= ub

这里，独立变量向量 x 作为形状为 (n,) 的 ndarray 传递，矩阵 A 的形状为 (m, n)。

可以使用相等的边界来表示等式约束，或使用无限边界来表示单侧约束。

参数：:

A{array_like, 稀疏矩阵}, 形状 (m, n)

定义约束的矩阵。

lb, ub密集 array_like, 可选

约束的下限和上限。每个数组必须具有形状 (m,) 或为标量，在后一种情况下，所有约束组件的边界将相同。使用 np.inf 以及适当的符号来指定单侧约束。将 lb 和 ub 的组件设置为相等，以表示等式约束。请注意，您可以通过设置 lb 和 ub 的不同组件来混合不同类型的约束：间隔、单侧或等式。默认值为 lb = -np.inf 和 ub = np.inf（无限制）。

keep_feasible密集 array_like of bool, 可选

是否在迭代过程中保持约束组件的可行性。单个值将为所有组件设置此属性。默认值为 False。对等式约束没有影响。

方法

residual(x)

计算约束函数和限制之间的残差