scipy.optimize.

fminbound#

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

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（必须接受并返回值标量）。

x1, x2浮点型或数组标量

有限的优化范围。

args元组，可选

传递给函数的额外参数。

xtol浮点型，可选

收敛容差。

maxfun整数，可选

允许的最大函数评估次数。

full_output布尔值，可选

如果为 True，则返回可选的输出。

disp整数，可选

如果非零，则打印消息。: 0：不打印消息。1：仅打印不收敛通知消息。2：收敛时也打印消息。3：打印迭代结果。

返回:

xoptndarray: 用以最小化目标函数的参数（在给定区间内）。
fval数字: （可选输出）在最小化器处评估的函数值。
ierrint: （可选输出）错误标志（已收敛为 0，已达到函数调用最大次数为 1）。
numfuncint: （可选输出）已执行的函数调用次数。

另请参见

minimize_scalar: 标量单变量函数的最小化算法接口。特别是，参见“有界”方法。

注意

使用布伦特方法在区间 x1 < xopt < x2 中查找标量函数func的局部最小值。（参见brent了解自动取括号。）

参考文献

[1]

Forsythe, G.E.，M. A. Malcolm，和 C. B. Moler。“数学运算的计算机方法”。Prentice-Hall 系列 in 自动计算 259 (1977)。

[2]

Brent，Richard P.无导数最小化算法。Courier Corporation，2013 年。

示例

fminbound查找指定范围中函数的最小值。以下示例对此进行了说明。

>>> 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)