scipy.optimize.

LinearConstraint

class scipy.optimize.LinearConstraint(A, lb=-inf, ub=inf, keep_feasible=False)

变量上的线性约束。

约束具有一般的不等式形式:

lb <= A.dot(x) <= ub

这里，自变量向量 x 以形状为 (n,) 的 ndarray 形式传递，矩阵 A 的形状为 (m, n)。

可以使用相等的边界来表示等式约束，或使用无限边界来表示单边约束。

参数:

A{array_like, sparse matrix}, shape (m, n)

定义约束的矩阵。

lb, ub密集的类数组对象，可选

约束的上下限。每个数组必须具有形状 (m,) 或为标量，在后一种情况下，边界将对约束的所有分量相同。使用 np.inf 并带有适当的符号来指定单边约束。将 lb 和 ub 的元素设置为相等以表示等式约束。请注意，您可以通过根据需要设置 lb 和 ub 的不同分量来混合不同类型的约束：区间、单边或等式。默认值为 lb = -np.inf 和 ``ub = np.inf``（无限制）。

保持可行性稠密的类数组布尔值，可选

是否在整个迭代过程中保持约束组件的可行性。单个值设置此属性用于所有组件。默认为 False。对等式约束无效。

方法

residual(x)

计算约束函数与限制之间的残差