brenth#
- scipy.optimize.brenth(f, a, b, args=(), xtol=2e-12, rtol=np.float64(8.881784197001252e-16), maxiter=100, full_output=False, disp=True)[源代码]#
使用带有双曲线外推法的布伦特方法在区间内查找函数的根。
经典布伦特例程的一个变体,用于在参数 a 和 b 之间查找函数 f 的根,它使用双曲线外推法而不是逆二次外推法。Bus & Dekker (1975) 保证此方法的收敛性,声称函数评估的上限是二分法的 4 或 5 倍。f(a) 和 f(b) 不能具有相同的符号。通常与布伦特例程不相上下,但未经大量测试。它是割线法的一个安全版本,使用双曲线外推法。此版本由 Chuck Harris 编写,实现了 [BusAndDekker1975] 中的算法 M,其中可以找到更多详细信息(收敛特性、补充说明等)。
- 参数:
- f函数
返回数字的 Python 函数。f 必须是连续的,且 f(a) 和 f(b) 必须具有相反的符号。
- a标量
包围区间 [a,b] 的一端。
- b标量
包围区间 [a,b] 的另一端。
- xtol数字,可选
计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。此参数必须为正。与brentq
一样,对于好的函数,该方法通常会以xtol/2
和rtol/2
满足上述条件。- rtol数字,可选
计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。此参数不能小于其默认值4*np.finfo(float).eps
。与brentq
一样,对于好的函数,该方法通常会以xtol/2
和rtol/2
满足上述条件。- maxiter整数,可选
如果在 maxiter 次迭代内未实现收敛,则会引发错误。必须 >= 0。
- args元组,可选
包含函数 f 的额外参数。f 通过
apply(f, (x)+args)
调用。- full_output布尔值,可选
如果 full_output 为 False,则返回根。如果 full_output 为 True,则返回值为
(x, r)
,其中 x 是根,r 是一个RootResults
对象。- disp布尔值,可选
如果为 True,则在算法未收敛时引发 RuntimeError。否则,收敛状态将记录在任何
RootResults
返回对象中。
- 返回:
- root浮点数
f 在 a 和 b 之间的根。
- r
RootResults
(如果full_output = True
则存在) 包含收敛信息的对象。特别是,如果例程收敛,则
r.converged
为 True。
另请参阅
fmin
,fmin_powell
,fmin_cg
,fmin_bfgs
,fmin_ncg
多元局部优化器
leastsq
非线性最小二乘法极小化器
fmin_l_bfgs_b
,fmin_tnc
,fmin_cobyla
受约束的多元优化器
basinhopping
,differential_evolution
,brute
全局优化器
fminbound
,brent
,golden
,bracket
局部标量极小化器
fsolve
N维求根
brentq
,ridder
,bisect
,newton
一维求根
fixed_point
标量不动点查找器
elementwise.find_root
高效的逐元素一维求根器
注意
如参数文档中所述,计算出的根
x0
将满足np.isclose(x, x0, atol=xtol, rtol=rtol)
,其中x
是精确的根。用方程形式表示,此终止条件为abs(x - x0) <= xtol + rtol * abs(x0)
。默认值
xtol=2e-12
可能会导致意外行为,如果期望brenth
始终计算出相对误差接近机器精度的根。应根据具体用例仔细选择 xtol。将xtol
设置为5e-324
(最小的次正规数)将确保最高级别的精度。当根位于或接近零时,在浮点数接近零的微小绝对差没有意义的应用中,较大的 xtol 值可能有助于节省函数评估。参考
[BusAndDekker1975]Bus, J. C. P., Dekker, T. J., “Two Efficient Algorithms with Guaranteed Convergence for Finding a Zero of a Function”, ACM Transactions on Mathematical Software, Vol. 1, Issue 4, Dec. 1975, pp. 330-345. 第 3 节:“算法 M”。 DOI:10.1145/355656.355659
示例
>>> def f(x): ... return (x**2 - 1)
>>> from scipy import optimize
>>> root = optimize.brenth(f, -2, 0) >>> root -1.0
>>> root = optimize.brenth(f, 0, 2) >>> root 1.0