scipy.optimize.

bracket#

scipy.optimize.bracket(func, xa=0.0, xb=1.0, args=(), grow_limit=110.0, maxiter=1000)[source]#

确定函数的最小值区间。

给定一个函数和不同的初始点,沿下降方向(由初始点定义)搜索并返回三个点,这些点构成函数最小值的区间。

参数:
func可调用对象 f(x,*args)

要最小化的目标函数。

xa, xb浮点数, 可选

初始点。 xa 默认为 0.0,xb 默认为 1.0。局部最小值不必包含在此区间内。

args元组, 可选

附加参数(如果存在),传递给 func

grow_limit浮点数, 可选

最大增长限制。默认为 110.0

maxiter整数, 可选

要执行的最大迭代次数。默认为 1000。

返回:
xa, xb, xc浮点数

区间的最终点。

fa, fb, fc浮点数

区间点处的目标函数值。

funcalls整数

函数评估次数。

引发:
BracketError

如果在算法终止前未找到有效区间。有关有效区间的条件,请参见注释。

注释

该算法试图找到三个严格有序的点(即 \(x_a < x_b < x_c\)\(x_c < x_b < x_a\)),满足 \(f(x_b) ≤ f(x_a)\)\(f(x_b) ≤ f(x_c)\),其中一个不等式必须严格满足,且所有 \(x_i\) 都必须是有限的。

示例

此函数可以找到函数的向下凸区域

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from scipy.optimize import bracket
>>> def f(x):
...     return 10*x**2 + 3*x + 5
>>> x = np.linspace(-2, 2)
>>> y = f(x)
>>> init_xa, init_xb = 0.1, 1
>>> xa, xb, xc, fa, fb, fc, funcalls = bracket(f, xa=init_xa, xb=init_xb)
>>> plt.axvline(x=init_xa, color="k", linestyle="--")
>>> plt.axvline(x=init_xb, color="k", linestyle="--")
>>> plt.plot(x, y, "-k")
>>> plt.plot(xa, fa, "bx")
>>> plt.plot(xb, fb, "rx")
>>> plt.plot(xc, fc, "bx")
>>> plt.show()
../../_images/scipy-optimize-bracket-1_00_00.png

请注意,两个初始点都在最小值的右侧,第三个点是在“下降”方向(函数看起来正在减小(向左))找到的。最终点是严格有序的,并且中间点的函数值小于端点的函数值;由此可知,最小值必须位于该区间内。