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
。