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)#
使用调优的对角雅可比近似值查找函数的根。
雅可比矩阵是对角矩阵,并在每次迭代时进行调优。
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本身。
- 参数:
- Ffunction(x) -> f
要查找其根的函数;应接受并返回一个类数组对象。
- xinarray_like
解决方案的初始猜测
- alphafloat, optional
初始雅可比近似值为 (-1/alpha)。
- alphamaxfloat, optional
对角雅可比矩阵的元素保持在
[alpha, alphamax]
范围内。- iterint, optional
迭代次数。如果省略(默认),则根据需要进行迭代以满足容差。
- verbosebool, optional
在每次迭代时向标准输出打印状态。
- maxiterint, optional
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, optional
残差的绝对容差(最大范数)。如果省略,默认为 6e-6。
- f_rtolfloat, optional
残差的相对容差。如果省略,则不使用。
- x_tolfloat, optional
绝对最小步长,根据雅可比近似值确定。如果步长小于此值,则优化成功终止。如果省略,则不使用。
- x_rtolfloat, optional
相对最小步长。如果省略,则不使用。
- tol_normfunction(vector) -> scalar, optional
收敛检查中使用的范数。默认为最大范数。
- line_search{None, ‘armijo’ (default), ‘wolfe’}, optional
使用哪种类型的线搜索来确定雅可比近似值给定方向上的步长。默认为“armijo”。
- callbackfunction, optional
可选的回调函数。每次迭代时,它都会被调用为
callback(x, f)
,其中 x 是当前解决方案,f 是相应的残差。
- 返回:
- solndarray
一个数组(与 x0 具有相似数组类型),包含最终解决方案。
- 引发:
- NoConvergence
未找到解决方案时。
另请参阅
root
多变量函数求根算法的接口。特别是请参阅
method='excitingmixing'
。