我正在使用 scipy.optimize.minimize 的 COBYLA 方法来寻找一个用于分类分布的参数矩阵。我需要设定一个约束条件，要求每个参数都大于零，并且参数矩阵的每一行的和是一个由1组成的列向量。

我还不清楚如何在 scipy.minimize 中实现这个约束，因为系统检查的是非负性而不是真实性。如果我直接将数组作为约束传递， minimization 会抛出异常。

有谁知道如何实现这种类型的约束吗？

回答：

第一个约束 x > 0 可以非常简单地表达为：

{'type':'ineq', 'fun': lambda x: x}

第二个约束是一个等式约束，COBYLA 并不原生支持。然而，你可以将其表述为两个独立的不等式约束：

{'type':'ineq', 'fun': lambda x: np.sum(x, 0) - 1}  # 行和 >= 1{'type':'ineq', 'fun': lambda x: 1 - np.sum(x, 0)}  # 行和 <= 1

否则，你可以尝试使用 SLSQP，它确实支持等式约束。