利用minimize求解非线性规划问题的python代码

以下是使用SciPy库中minimize函数求解非线性规划问题的Python代码示例：

from scipy.optimize import minimize

# 定义目标函数
def objective(x):
    return x[0]**2 + x[1]**2

# 定义不等式约束条件，g(x) <= 0
def constraint(x):
    return x[0] + x[1] - 1

# 定义等式约束条件，h(x) = 0
def eq_constraint(x):
    return x[0] - 2*x[1] + 1

# 定义初始值
x0 = [1, 1]

# 定义约束条件
cons = [{'type': 'ineq', 'fun': constraint}, {'type': 'eq', 'fun': eq_constraint}]

# 求解非线性规划问题
res = minimize(objective, x0, constraints=cons)

# 输出结果
print(res)

上述代码中，我们首先定义了一个二元变量的目标函数和两个约束条件，其中一个是不等式约束条件，一个是等式约束条件。然后，我们设定初始值和约束条件，通过调用SciPy库中的minimize函数，传入目标函数、初始值和约束条件，求解非线性规划问题。最后，输出最优解以及函数值。