Scipy 最小化向量函数

如何解决Scipy 最小化向量函数

我有一个如下设置的向量函数。

def func(x):
    return x

def func_wrapper(x):
    return func(x)[0]

假设我的目标是最小化此函数的第一个输出变量，同时使用其他两个作为约束。 例如：最小化 f(x)[0] 服从 f(x)[1] = 10 和 f(x)[2] =20

失败的尝试

eq_cons_1 = {'type': 'eq','fun' : lambda x:  func(x)[1] -10 }

eq_cons_2 = {'type': 'eq','fun' : lambda x: func(x)[2] -20 }

opt = {'disp':True,'eps' : eps}

x0 = np.array([20,30,])
print optimize.minimize(func_wrapper,x0,constraints=[eq_cons_1,eq_cons_2],method='SLSQP',options=opt)

导致

Iteration limit exceeded    (Exit mode 9)
            Current function value: -881096091452997.5
            Iterations: 101
            Function evaluations: 1275
            Gradient evaluations: 101
     fun: -881096091452997.5
     jac: array([0.,0.,0.])
 message: 'Iteration limit exceeded'
    nfev: 1275
     nit: 101
    njev: 101
  status: 9
 success: False
       x: array([-8.81096091e+14,9.98196471e+00,2.01164213e+01])

如何正确实现这个简单功能的优化？ 提前致谢。