优化两个变量的非线性函数（python）

Question

我有一个客观的功能：

def calculate_output(social_sum, learning_sum, w_1, w_2):

    economy_output = sum(social_sum) * sum(learning_sum) - w_1 * sum(learning_sum) - w_2 *sum(social_sum)

    return economy_output

和两个约束，我需要满足，而不是优化，而只是满足。

这两个限制是：

def calculate_fz_1(w_1, w_2):

    social_sum, learning_sum = calculate_decisions(w_1, w_2, gamma_physical_social, gamma_physical_learning,
                                                       gamma_online_learning, gamma_online_social, Cost_Online,
                                                       Cost_Physical, bivariate_distribution, types_of_agents)

    total_social = sum(social_sum)
    total_learning = sum(learning_sum)

    marginal_product_z1 = sum(social_sum) - w_1

    return marginal_product_z1

和

def calculate_fz_2(w_1, w_2):

    social_sum, learning_sum = calculate_decisions(w_1, w_2, gamma_physical_social, gamma_physical_learning,
                                                   gamma_online_learning, gamma_online_social, Cost_Online,
                                                   Cost_Physical, bivariate_distribution, types_of_agents)


    marginal_product_z2 = sum(learning_sum) - w_2

    return marginal_product_z2

并且这些约束必须等于零。

对我来说问题是，用于计算边际产品的两个变量本质上是非线性和离散的（变量社会和和学习总和实际上由几个离散的变量决定），所以我想我会无法使用scipy.optimise

但我在堆栈上听说这可能与scipy这样做，这是真的吗？我会很感激！