python - scipy.optimize 最小化不一致的结果

Question

从 scipy optimize 运行最小化函数时，我得到了一些非常奇怪的结果。

这是代码

from scipy.optimize import minimize

def objective(x):
    return - (0.05 * x[0] ** 0.64 + 0.4 * x[1] ** 0.36)

def constraint(x):
    return x[0] + x[1] - 5000

cons = [{'type':'eq', 'fun': constraint}]

跑步时

minimize(objective, [2500.0, 2500.0], method='SLSQP',  constraints=cons)

我得到2500x 的每个元素的分配。和fun: -14.164036415985395

通过快速检查，此分配[3800, 1200]给出-14.9

它对初始条件也高度敏感。

关于我做错了什么的任何想法

绘制的两个函数

UPDATE 它实际上返回初始条件。

如果我试试这个

def objective(x):
    return - (x[0] ** 0.64 + x[1] ** 0.36)

def constraint(x):
    return x[0] + x[1] - 5000.0

cons = [{'type':'eq', 'fun': constraint}]

minimize(objective, [2500, 2500], method='SLSQP', constraints=cons)

返回的结果似乎很好（我已经改变了目标函数）