scipy.optimize.

fmin_powell#

scipy.optimize.fmin_powell(func, x0, args=(), xtol=0.0001, ftol=0.0001, maxiter=None, maxfun=None, full_output=0, disp=1, retall=0, callback=None, direc=None)[来源]#

使用改进的 Powell 法最小化函数。

此方法只使用函数值，不用导数。

参数:
funccallable f(x,*args)

要最小化的目标函数。

x0ndarray

初始猜测。

args元组，可选

传递给 func 的其他参数。

xtol浮点数，可选

行搜索错误容差。

ftol浮点数，可选

在 func(xopt) 中可以接受的相对误差，在此误差范围内认为收敛。

maxiter整数，可选

要执行的最大迭代次数。

maxfun整数，可选

要进行的最大函数评估次数。

full_output布尔值，可选

如果是 True，将返回 fopt、xi、direc、iter、funcalls 和 warnflag。

disp布尔值，可选

如果是 True，将打印收敛信息。

retall布尔值，可选

如果是 True，将返回每次迭代时的解决方案列表。

callback可调用对象，可选

用户提供的可选函数，在每次迭代后调用。以 callback(xk) 的形式调用，其中 xk 是当前参数向量。

direcndarray，可选

最初拟合步骤和作为 (N, N) 数组设置的参数顺序，其中 N 是 x0 中拟合参数的数量。默认步长为 1.0，同时拟合所有参数 (np.eye((N, N)))。要防止一开始在某步中考虑这些值，或要更改初始步长，请将 J 在 M 块中的位置上的值设为 0 或所需的步长，其中 J 是 x0 中的位置，M 是所需的评估步骤，评估这些步骤的顺序是按照其索引来确定的。在最小化计算过程中，步长和顺序将自由变化。

返回值:
xoptndarray

使 func 最小化的参数。

fopt数字

函数在最小值处的取值：fopt = func(xopt)。

direcndarray

当前方向集。

iter整数

迭代次数。

funcalls整数

进行的函数调用次数。

warnflag整数
整数警告标志

1: 函数求值的最大次数。2：最大迭代次数。3：接收到 NaN 结果。4：结果超出了提供范围。

allvecs列表

每次迭代的解决方案列表。

另请参见

最小化

用于多变量函数无约束最小化算法的接口。尤其参见“Powell”方法。

备注

使用 Powell 方法的修改来找到 N 个变量函数的最小值。Powell 方法是共轭方向法。

该算法具有两个循环。外层循环仅仅在外层循环中迭代。内层循环按方向集中最小化每个当前方向。在内层循环结束时，如果满足特定条件，则给出最大减小的方向将被去掉，并用当前估计 x 和内层循环开始时的估计 x 之间的差值代替。

用于更换最大增加方向的技术条件，任务是检查

  1. 从该迭代开始，沿着最大增加方向不能再获得进一步增益。

  2. 最大增加方向占内层循环中函数值减小的足够比例。

引用

Powell M.J.D. (1964) 在不计算衍生量的情况下找到多个变量函数最小值的高效方法，计算机杂志，7 (2):155-162。

William H. Press、Saul A. Teukolsky、William T. Vetterling、Brian P. Flannery 著：《数值食谱》（任意版本），剑桥大学出版社

示例

>>> def f(x):
...     return x**2

>>> from scipy import optimize

>>> minimum = optimize.fmin_powell(f, -1)
Optimization terminated successfully.
         Current function value: 0.000000
         Iterations: 2
         Function evaluations: 16
>>> minimum
array(0.0)
本页内容