如何构建X [0] + X [1]> 0在scipy.optimize.minimize约束？

Question

我试图建立正确的约束最小化目标函数：

fun_SV = lambda x : objective(value_date_2, datos_2,curve,'Svensson',curve_rates,fechas_tenors,x)

我有x，我只是想约束，其中第一和第二个参数的总和是更大0我想这个参数列表：

cons = {'type':ineq, 'fun': lambda x: x[0] + x [1]} 

然后，我尽量减少：

bounds_sv = ((0,15),(-15,30),(-30,30),(-30,30),(0.000000001,30)(0.000000001,30))

res_SV = minimize(fun_SV, x0,method="SLSQP", bounds= bounds_sv, constraints = my_constraints, tol=0.000001,options={'maxiter':50000})

我所得到的是两个两个的总和是0，我只是想x[0] + x[1] > 1。

Answer 1

SLSQP的形式f(x)>=0的不平等。所以，如果你想g(x)>1必须使用：f(x)-1.0001>=0。你的情况：

 cons = {'type':ineq, 'fun': lambda x: x[0] + x [1] - 1.0001 }