最小化（方法=“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元或多元的标量函数。

请参见

有关其余参数的文档，请参阅scipy.optimize.minimize

选项:

——

dispbool

设为 True 以打印收敛消息。

maxiterint

要执行的最大迭代次数。

gtolfloat

在成功终止之前，梯度范数必须小于gtol。

normfloat

范数的阶数（无穷大为最大值，负无穷大为最小值）。

epsfloat 或 ndarray

如果jac 为 None，则使用该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 以返回每次迭代的最佳解的列表。

finite_diff_rel_stepNone 或 array_like，可选

如果jac in [‘2-point’, ‘3-point’, ‘cs’]，则使用该相对步长数值逼近雅可比矩阵。绝对步长的计算方式为 h = rel_step * sign(x) * max(1, abs(x))，可能会进行调整以适合边界。对于 jac='3-point'，会忽略h 的符号。如果为 None（默认值），则会自动选择步长。

c1float，默认值：1e-4

Armijo 条件规则的参数。

c2float，默认值：0.4

曲率条件规则的参数。

注释

参数c1 和c2 必须满足 0 < c1 < c2 < 1。