scipy.optimize.minimize有多个约束

Question

我正在尝试使用scipy.optimize.minimize执行约束非线性优化问题，尤其是最小化问题。具体来说，我正在尝试执行constrained linear regression，它可以写为：

最小y-（b ₁ x ₁ + b ₂ x ₂ +。 。+ b _n x _n + b _{n + 1} x _{n + 1} + .... b < sub> p x _p ）

要遵守 b ₁ + b ₂ + ... + b _n = 1，

b _{n + 1} + b _{n + 2} + ... + b _p = 1，

0 <= b _i <= 1 for i = 1,2，...，p

到目前为止，这是我的代码：

import pandas as pd
import numpy as np
from scipy.optimize import minimize
import warnings

def loss(x):
    loss_function = np.sum(np.square((np.dot(x, m) - y)))
    return loss_function

m = np.vstack([var_1, var_2, var_3,..., var_n, var_n+1,...,var_p])
y = np.array(ret['var_y'])

cons = ({'type': 'eq', 'fun': lambda x: np.sum(x) - 1.0})

x0 = np.zeros(m.shape[0])

res = minimize(loss, x0, method='SLSQP', constraints=cons,
                   bounds=[(0, 1) for i in range(m.shape[0])], options={'disp': True})

我的问题是，如何在模型中实现这些约束？