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整型

要执行的最大迭代次数。

gtol浮点型

梯度范数必须小于 gtol 才能成功终止。

norm浮点型

范数的阶数 (Inf 为最大值, -Inf 为最小值)。

eps浮点型或 ndarray

如果 jac 为 None，则通过前向差分法对雅可比矩阵进行数值逼近时使用的绝对步长。

return_all布尔值，可选

设置为 True 以返回每次迭代中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']，则用于雅可比矩阵数值近似的相对步长。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。

c1浮点型，默认值: 1e-4

Armijo 条件规则的参数。

c2浮点型，默认值: 0.4

曲率条件规则的参数。

workers整型，类似 map 的可调用对象，可选

一个类似 map 的可调用对象，例如 multiprocessing.Pool.map，用于并行评估任何数值微分。此评估以 workers(fun, iterable) 的形式执行。

在 1.16.0 版本中新增。

注意

参数 c1 和 c2 必须满足 0 < c1 < c2 < 1。