Метод барьерных функций. Нюансы

from scipy.optimize import *
 
def penalty_method(func, h, H, x0, eps=1e-4, r=1.0, delta=0.2):
    """
    Минимизация функции с ограничениями методом штрафных функций
    Алгоритм использует поиск нулевого порядка Нелдера — Мида
 
    Параметры
    --------------
    func : функция, которую надо минимизировать
    h : ограничение на функцию. Решение задачи частное, ограничение одно, вида g(x)<=0
    H : штрафная(барьерная) функция
    x0 : начальное приближение
    eps : точность вычислений
    r : коэфицент масштабирования штрафа
    delta : коэфицент масштабирования r
 
    """
    res = []
 
    while abs(r*H(h(x0))) > eps:
        temp = fmin(lambda x: func(x) + r*H(h(x)), x0, maxiter=100)
 
        #проверка, лежит ли точка в допустимой области
        if h(temp) <= 0.0:
            x0 = temp
 
        r *= delta
 
    return x0

from penalty_method import *
 
#Исходная функция
def func(x):
    A = -2.0/(1.0 + ((x[0] - 2.0)/3.0)**2 + (x[1]-2.0)**2)
    B = -1.0/(1.0+(x[0]-3.0)**2 + ((x[1]-1.0)/3.0)**2)
    return A+B
#Ограничение функции
def g(x):
    return 3*x[0]+4*x[1]-3
def G1(x):
    return 0.5*(x + abs(x))
def G2(x):
    return -1.0 / x
 
res = penalty_method(func=func, h=g, H=G1, x0=[4,8], delta=1.0, eps=1e-4, r=2.0)
res = penalty_method(func=func, h=g, H=G2, x0=[-0.7, -0.7], delta=0.1, eps=1e-7, r=3.0)
 
print(func(res))