您的问题凸出来了吗？线性的？非线性的？我同意SciPy.optimize可能会完成这项工作，但是fmincon是解决优化问题的一种火箭筒，如果将其限制在以下类别之一（会增加解决难度的水平），您会更好有效率的）

线性规划（LP）二次规划（QP）凸二次约束二次规划（QCQP）二阶锥规划（SOCP）半定规划（SDP）非线性凸问题非凸问题

还存在组合性问题，例如混合整数线性程序（MILP），但是您没有提及任何种类的完整性约束，只需说它们属于另一类问题即可。

如果您的问题很凸显，那么CVXOpt软件包将非常有用。

如果您的问题不是凸出的，则需要在查找本地解决方案或全局解决方案之间进行选择。许多凸求解器在非凸域中“排序”工作。要找到整体解的良好近似值，将需要某种形式的模拟退火或遗传算法。要找到全局解决方案，将需要对所有本地解决方案进行枚举，或者需要采用组合策略，例如Br​​anch
and Bound。