scipy.optimize.

excitingmixing#

scipy.optimize.excitingmixing(F, xin, iter=None, alpha=None, alphamax=1.0, verbose=False, maxiter=None, f_tol=None, f_rtol=None, x_tol=None, x_rtol=None, tol_norm=None, line_search='armijo', callback=None, **kw)#

使用调整后的对角雅可比矩阵近似，找到函数的根。

雅可比矩阵是对角的，并且在每次迭代时进行调整。

警告

此算法可能对特定问题有用，但其是否有效可能很大程度上取决于问题。

参数:

Ffunction(x) -> f: 要查找根的函数；应接受并返回一个类数组对象。
xinarray_like: 解的初始猜测
alphafloat, 可选: 初始雅可比矩阵近似为 (-1/alpha)。
alphamaxfloat, 可选: 对角雅可比矩阵的条目保持在范围 [alpha, alphamax] 内。
iterint, 可选: 要进行的迭代次数。如果省略（默认），则进行满足容差所需的尽可能多的迭代。
verbosebool, 可选: 在每次迭代时将状态打印到 stdout。
maxiterint, 可选: 要进行的最大迭代次数。如果需要更多迭代才能满足收敛条件，则会引发 NoConvergence 异常。
f_tolfloat, 可选: 残差的绝对容差（以最大范数表示）。如果省略，则默认值为 6e-6。
f_rtolfloat, 可选: 残差的相对容差。如果省略，则不使用。
x_tolfloat, 可选: 从雅可比矩阵近似确定的绝对最小步长。如果步长小于此值，则优化将成功终止。如果省略，则不使用。
x_rtolfloat, 可选: 相对最小步长。如果省略，则不使用。
tol_normfunction(vector) -> scalar, 可选: 收敛检查中使用的范数。默认值是最大范数。
line_search{None, ‘armijo’ (默认), ‘wolfe’}, 可选: 使用哪种类型的线搜索来确定雅可比矩阵近似给出的方向上的步长。默认为 ‘armijo’。
callbackfunction, 可选: 可选的回调函数。它在每次迭代时作为 callback(x, f) 被调用，其中 x 是当前解，而 f 是对应的残差。

返回:

solndarray: 一个包含最终解的数组（与 x0 具有相似的数组类型）。

引发:

NoConvergence: 当未找到解时。

另请参阅

root: 多元函数求根算法的接口。特别请参阅 method='excitingmixing'。