scipy.optimize.

BFGS

class scipy.optimize.BFGS(exception_strategy='skip_update', min_curvature=None, init_scale='auto')

Broyden-Fletcher-Goldfarb-Shanno (BFGS) Hessian 更新策略。

参数:

exception_strategy{‘skip_update’, ‘damp_update’}, 可选

定义当曲率条件被违反时如何进行。设置为 ‘skip_update’ 以直接跳过更新。或者，将其设置为 ‘damp_update’ 以在实际的 BFGS 结果和未修改的矩阵之间进行插值。两种异常策略都在 [1]，第 536-537 页中进行了解释。

min_curvature浮点数

该数字，通过归一化因子缩放，定义了最小曲率 dot(delta_grad, delta_x)，允许不受异常策略的影响。默认情况下，当 exception_strategy = 'skip_update' 时等于 1e-8，当 exception_strategy = 'damp_update' 时等于 0.2。

init_scale{浮点数, np.array, ‘auto’}

此参数可用于初始化 Hessian 矩阵或其逆矩阵。当给定一个浮点数时，相关数组初始化为 np.eye(n) * init_scale，其中 n 是问题的维度。或者，如果给出一个精确 (n, n) 形状的对称数组，将使用此数组。否则会生成错误。将其设置为 ‘auto’ 以使用自动启发式方法来选择初始比例。该启发式方法在 [1]，第 143 页中进行了描述。默认值为 ‘auto’。

说明

此更新基于 [1]，第 140 页中的描述。

参考文献

[1] (1,2,3)

Nocedal, Jorge, and Stephen J. Wright. “数值优化” 第二版 (2006)。

方法

dot(p)	计算内部矩阵与给定向量的乘积。
get_matrix()	返回当前的内部矩阵。
initialize(n, approx_type)	初始化内部矩阵。
update(delta_x, delta_grad)	更新内部矩阵。