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'