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)