Scipy优化：条件约束（1个变量的两个间隔）

Question

我遇到了：conditional constraint in optimization

它很接近，但不够清楚，我无法翻译成我的特定用例。

我需要什么（约束明智）：

if x < M:
    then x = 0
    else x = x

另一种表达方式：

X = {x: x=0 or x>M}

我想设置最小x但是对于优化算法仍然可以考虑x = 0的值。

以下是代码：

cons = ({'type': 'ineq', 'fun': lambda x: np.array(____constraint - est___(x))},
        {'type': 'ineq', 'fun': lambda x: np.array(main.max____ / 100 - (x))},
        {'type': 'ineq', 'fun': lambda x: np.array((x) - 5)})

x0 = np.zeros(len(master____optimization_table))

res = minimize(___model, x0, constraints=cons, options=opts)

*这些函数计算我们正在约束的重要指标。我唯一需要帮助的是第三行约束。

如果可能的话，这似乎非常有用。