SciPy中的约束优化

Question

为了模拟，我需要找到使一个多变量函数最大化的参数（参数）。在

我见过scipy.optimize.minimize.最小化给出给定函数的最小值（和负函数的最大值），我可以使用约束和边界。但是，通过阅读doc，我发现它返回的是最小值，而不是使其最小化的参数（对吗？）在

在scipy.optiminize.fmin提供使函数最小化的参数，但不接受边界或约束。在

在numpy中，有一个名为argmin的函数，但它以一个向量作为参数并返回最小化它的“参数”。在

是否有这样一个函数，像minimize，accept constraint，和fmin一样，返回最小化函数的参数？

提前谢谢。在

Answer 1

的返回值scipy.optimize.minimize.最小化类型为Result:

结果（f）中包含了

Answer 2

当与某些优化算法一起使用时，新的^{}函数接受一个bounds参数。在旧的SciPy中，您需要直接调用这些算法之一，例如^{}。在