带有约束的python中的Nelder-Mead优化

Question

当前，我正在寻找python中的Nelder-Mead优化器，该优化器还接受变量的范围和约束。 Scipy具有Nelder-Mead优化器，但是它没有任何限制。

在搜索过程中，我遇到了constrNMPy软件包，这应该使之成为可能。

以下是如何使用constrNMPy的示例：

# Define initial guess
x0=[2.5,2.5]

# Define lower and upper bounds (None indicates no bound)
LB=[2,2]
UB=[None,3]

# Call optimizer
import constrNMPy as cNM 
res=cNM.constrNM(cNM.test_funcs.rosenbrock,x0,LB,UB,full_output=True)

# Print results
cNM.printDict(res)

但是，此示例仅说明如何定义边界，而不能定义约束。在上面的示例中，我希望具有以下约束，以便变量仅接受总和为5的值：

cons = {'type':'eq', 'fun':lambda x0: 5 - sum(x0)}

如何将此约束传递给constrNM调用？

或者还有其他带有约束的Nelder-Mead优化器软件包吗？