minimize(method='BFGS')

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

使用 BFGS 算法最小化一个或多个变量的标量函数。

另请参阅

有关其余参数的文档，请参阅 scipy.optimize.minimize

选项:

——-

dispbool

设置为 True 以打印收敛消息。

maxiterint

要执行的最大迭代次数。

gtolfloat

如果梯度范数小于 gtol，则成功终止。

normfloat

范数的阶数（Inf 为最大值，-Inf 为最小值）。

epsfloat 或 ndarray

如果 jac is None，则使用绝对步长通过前向差分来数值逼近雅可比矩阵。

return_allbool, 可选

设置为 True 以返回每次迭代的最佳解决方案列表。

finite_diff_rel_stepNone 或 array_like, 可选

如果 jac in ['2-point', '3-point', 'cs']，则用于数值逼近雅可比矩阵的相对步长。绝对步长计算为 h = rel_step * sign(x) * max(1, abs(x))，可能会调整以适应边界。对于 jac='3-point'，h 的符号将被忽略。如果为 None（默认值），则自动选择步长。

xrtolfloat，默认值：0

x 的相对容差。如果步长小于 xk * xrtol，则成功终止，其中 xk 是当前参数向量。

c1float，默认值：1e-4

Armijo 条件规则的参数。

c2float，默认值：0.9

曲率条件规则的参数。

hess_inv0None 或 ndarray，可选

初始逆 Hessian 估计，形状 (n, n)。如果为 None（默认值），则使用单位矩阵。

注意

参数 c1 和 c2 必须满足 0 < c1 < c2 < 1。

如果最小化未成功完成，并出现错误消息 Desired error not necessarily achieved due to precision loss，则考虑将 gtol 设置为更高的值。当（有限差分）数值微分无法提供足够的精度来满足 gtol 终止标准时，通常会发生此精度损失。当在单精度下工作并且未提供可调用的 jac 时，可能会发生这种情况。对于单精度问题，gtol 为 1e-3 似乎有效。