scipy.optimize.

golden#

scipy.optimize.golden(func, args=(), brack=None, tol=np.float64(1.4901161193847656e-08), full_output=0, maxiter=5000)[source]#

使用黄金分割法返回单变量函数的最小值。

给定一个单变量函数和一个可能的括号区间，返回一个函数的最小值，最小值精确到 tol 的小数精度。

参数:

funccallable func(x,*args): 要最小化的目标函数。
argstuple, 可选: 传递给 func 的附加参数（如果存在）。
bracktuple, 可选: 可以是 (xa, xb, xc) 三元组，其中 xa < xb < xc 且 func(xb) < func(xa) and func(xb) < func(xc)，或者可以是 (xa, xb) 对，用作下坡括号搜索的初始点（参见 scipy.optimize.bracket）。最小值 x 不一定满足 xa <= x <= xb。
tolfloat, 可选: x 容差停止条件
full_outputbool, 可选: 如果为 True，则返回可选输出。
maxiterint: 要执行的最大迭代次数。

返回:

xminndarray: 最佳点。
fvalfloat: （可选输出）最佳函数值。
funcallsint: （可选输出）执行的目标函数评估次数。

参见

minimize_scalar: 标量单变量函数的最小化算法接口。特别是参见“黄金分割法” method。

注释

使用类似二分法的算法来减小括号区间。

示例

我们说明了当 brack 分别为大小 2 和 3 时，函数的行为。在 brack 为 (xa, xb) 形式的情况下，我们可以看到，对于给定的值，输出不一定位于 (xa, xb) 范围内。

>>> def f(x):
...     return (x-1)**2

>>> from scipy import optimize

>>> minimizer = optimize.golden(f, brack=(1, 2))
>>> minimizer
1
>>> res = optimize.golden(f, brack=(-1, 0.5, 2), full_output=True)
>>> xmin, fval, funcalls = res
>>> f(xmin), fval
(9.925165290385052e-18, 9.925165290385052e-18)