我有一个函数f：（a.y1 b.y2 c.y3 d.y4 e.y5 f.y6），我需要最小化均方根误差（f）。线性约束为：a b c d e f=1。界限是a，b，c中的每一个。。。应介于[0,1]之间。我试图找出a、b、c、d、e和f的优化值。我正在使用Scipy，但我觉得我无法在“最小化”代码中正确地设置边界和约束，如下所示：（y0是给定的原始测试值（假设））。

    import numpy as np
    from scipy.optimize import minimize
    from scipy.optimize import LinearConstraint
    def root_mean_squared_error(y1, y2):
        squared_difference = (y1 - y2)**2
        mean_squared = np.mean(squared_difference)
    return np.sqrt(mean_squared)

    def rms(params):
         a, b, c , d , e, f = params
         yF = sum(a*y1 + b*y2 + c*y3 + d*y_4 + e*y5 + f*y6)
         return root_mean_squared_error(y0, yF)
    initial_guess = [0.2, 0.1, 0.2, 0.05, 0.3, 0.15]
    constraint = LinearConstraint([1,1,1,1,1,1],1,1)
    bound = ([0, 1],[0, 1],[0, 1],[0, 1],[0, 1],[0, 1])
    res = minimize(rms, initial_guess, method='nelder-mead', bounds = bound,constraints = constraint)
    print(res.x)

我得到的值非常小，加起来不等于一，例如：

[1.28941447e-04 1.90583408e-04 8.50096927e-05 2.08311702e-04 1.17829816e-04 0.00000000e+00]

这是使用scipy线性约束和绑定的正确方法吗