python scipy optimize_python – 当不满足约束时,Scipy optimize.minimize成功退出

我一直在使用scipy.optimize.minimize

(docs)

当我定义一个无法满足约束的问题时,我注意到了一些奇怪的行为.这是一个例子：

from scipy import optimize

# minimize f(x) = x^2 - 4x

def f(x):

return x**2 - 4*x

def x_constraint(x, sign, value):

return sign*(x - value)

# subject to x >= 5 and x<=0 (not possible)

constraints = []

constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [1, 5]})

constraints.append({'type': 'ineq', 'fun': x_constraint, 'args': [-1, 0]})

optimize.minimize(f, x0=3, constraints=constraints)

结果输出：

fun: -3.0

jac: array([ 2.])

message: 'Optimization terminated successfully.'

nfev: 3

nit: 5

njev: 1

status: 0

success: True

x: array([ 3.])

这个问题没有满足约束的解决方案,但是,使用初始条件作为最优解,minimize()成功返回.

这种行为是有意的吗？如果是这样,如果最优解不满足约束,是否有办法强制失败？