scipy.optimize.

fminbound#

scipy.optimize.fminbound(func, x1, x2, args=(), xtol=1e-05, maxfun=500, full_output=0, disp=1)[源码]#

标量函数的有界最小化。

参数:
func可调用 f(x,*args)

要最小化的目标函数(必须接受并返回标量)。

x1, x2浮点数或数组标量

有限的优化边界。

args元组,可选

传递给函数的额外参数。

xtol浮点数,可选

收敛容差。

maxfun整型,可选

允许的最大函数评估次数。

full_output布尔型,可选

如果为 True,返回可选输出。

disp: 整型,可选

如果非零,打印消息。

0 : 不打印任何消息。

1 : 仅打印非收敛通知消息。

2 : 收敛时也打印消息。

3 : 打印迭代结果。

返回:
xoptndarray

使目标函数最小化的参数(在给定区间内)。

fval数值

(可选输出)在最小化点处评估的函数值。

ierr整型

(可选输出)错误标志(0 表示已收敛,1 表示已达到最大函数调用次数)。

numfunc整型

(可选输出)函数调用次数。

另请参阅

minimize_scalar

标量单变量函数的最小化算法接口。特别参见“有界”方法

备注

使用 Brent 方法在区间 x1 < xopt < x2 中找到标量函数 func 的局部最小化点。(有关自动括号,请参见 brent。)

参考文献

[1]

Forsythe, G.E., M. A. Malcolm, and C. B. Moler. “Computer Methods for Mathematical Computations.” Prentice-Hall Series in Automatic Computation 259 (1977).

[2]

Brent, Richard P. Algorithms for Minimization Without Derivatives. Courier Corporation, 2013.

示例

fminbound 在给定范围内找到函数的最小化点。以下示例对此进行说明。

>>> from scipy import optimize
>>> def f(x):
...     return (x-1)**2
>>> minimizer = optimize.fminbound(f, -4, 4)
>>> minimizer
1.0
>>> minimum = f(minimizer)
>>> minimum
0.0
>>> res = optimize.fminbound(f, 3, 4, full_output=True)
>>> minimizer, fval, ierr, numfunc = res
>>> minimizer
3.000005960860986
>>> minimum = f(minimizer)
>>> minimum, fval
(4.000023843479476, 4.000023843479476)