我用三个变量（w，V，m）解决（约束的）非线性最小化问题。给定w，（V，m）的最小化问题是（约束的）线性的。线性最小化问题是针对[w_0，w_1]中的w定义的。
我设置问题的方法是，给定w，我正在解决约束线性程序，然后我将w最小化为w，bounds = ((w_0, w_1),)范围为w作为边界。当w的最小化搜索到它的边界之外时，即在没有定义线性程序的区域，我遇到了问题。
有没有办法限制搜索不超出提供的范围？ 如果没有替代品？通过更严格的界限？如果传递一个超出边界值的值，使目标函数返回一个大值吗？
我很抱歉无法提供最小的工作示例。
这是一些伪代码：
from scipy.optimize import linprog,minimize
def objective(w):
A_ub,b_ub = constraints(w)
results = linprog(c,A_ub = A_ub,b_ub=b_ub)
return results.fun
bounds = ((w_0,w_1),)
x0 = (w_0+w_1)/2
minimize(objective,x0,bounds)
答案 0 :(得分：0)
可以将解决约束优化问题的方法分为两类：
因此，使用可行的方法对您的情况很自然。可悲的是，scipy的文档对于可用算法的这一特性有点不清楚。
我很确定，L-BFGS-B是这里的方式（因为你只需要绑定约束！）
答案 1 :(得分：0)
可能有用的是重新参数化/重新定义变量w，以便它永远不会离开边界。如果x介于-infinity和infinity之间，那么
w = a +（b-a）/（1 + exp（-x））
将在（a，b）区间内。
为了清楚起见，您应该将x设置为minimize函数中的优化参数，并将w包含在此公式中。无论你得到什么x，你都可以保证w将在界限范围内。
这什么时候不好？当然，如果你认为你可能在a或b处有一个角点解决方案。除此之外，我认为它通常有效，但请报告回来看它是否适合你。