minimize(method=’CG’)

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

使用共轭梯度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:

——-

disp布尔值

设置为 True 以打印收敛消息。

maxiter整数

要执行的最大迭代次数。

gtol浮点数

梯度范数必须小于 gtol 才能成功终止。

norm浮点数

范数的阶数（Inf 为最大值，-Inf 为最小值）。

eps浮点数或 ndarray

如果 jac 为 None，则使用绝对步长通过前向差分数值逼近雅可比矩阵。

return_all布尔值，可选

设置为 True 以返回每次迭代时最佳解的列表。

finite_diff_rel_stepNone 或类数组，可选

如果 jac in ['2-point', '3-point', 'cs']，则使用相对步长数值逼近雅可比矩阵。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'，将忽略 h 的符号。如果为 None（默认值），则自动选择步长。

c1浮点数，默认值：1e-4

用于 Armijo 条件规则的参数。

c2浮点数，默认值：0.4

用于曲率条件规则的参数。

注释

参数 c1 和 c2 必须满足 0 < c1 < c2 < 1。