我需要将作为优化参数的变量限制在某个值EQ <1000以下。 产生变量的#function如下：
def fEQ(iEQ, iC, iTATM, index):
if index==0:
return iC[0]
else:
return iEQ[0]/psi*iTATM[index]**2
t = np.arange(1, 101)
NT = len(t)
EQ=np.zeros(NT)
＃目标函数（省略了一些函数以使其更加清晰-它们在现实中都是相互关联的）
def fOBJ(x,sign,iI, iCPRICE,iEQ,iPERIODU,iCEMUTOTPER,iRI,iNT):
iMIU = x[0:NT]
iS = x[NT:(2*NT)]
for i in range(iNT):
iCPRICE[i] = fCPRICE(iMIU,i)
iI[i] = fI(iS,iY,i)
iEQ[i]=fEQ(iEQ,iC,iTATM,i)
iPERIODU[i] = fPERIODU(iC,iEQ,il,i)
iCEMUTOTPER[i] = fCEMUTOTPER(iPERIODU,il,i)
iRI = fRI(iCPC,i)
resUtility = np.zeros(1)
fUTILITY(iCEMUTOTPER, resUtility)
return sign*resUtility[0]
#Optimization
result = opt.minimize(fOBJ, x_start, args=(-1.0,CPRICE,I,EQ,PERIODU,CEMUTOTPER,RI,NT), method='SLSQP',bounds = tuple(bnds),options={'disp': True, 'maxiter':1000 }, constraints={'type':'ineq','fun':lambda EQ: EQ[NT]-1000})
优化的输出是“线搜索的正方向导数（退出模式8）”，它找不到最佳值。 但是，我怀疑我的约束没有完全起作用。有什么建议吗？