在Matlab中，我们可以为每个变量定义非线性约束。假设我们在x1中有两个变量x2和x[x1, x2]。因此我们决定对此有一个约束，我们应该像c = [c1, c2]那样定义它，其中c1特别为x1定义，c2为x2定义。这样，我认为优化模型可以理解如何控制每个变量。
现在，我想在Python和Platypus中执行相同的操作。尽管有定义约束的选项，但我不知道如何像定义每个变量的特殊约束那样定义它。
def funtion1()=
...
return [goal1, goal2] , [c1, c2]
或
def funtion1()=
...
return [goal1, goal2] , c
我认为我应该将约束放在函数中return的第二个参数中，但是它应该是列表还是数字？我的意思是说，在迭代中，c1可以，但是c2不是，它应该像c = [-1, 1]还是c = 1这样的列表？ （将“ <=“作为约束）
能否请您向我展示一个结构合理的Platypus优化模型，该模型具有这样的约束？