minimize(method=’COBYQA’)#

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

使用二次近似约束优化 (COBYQA) 算法 [1] 最小化一个或多个变量的标量函数。

在 1.14.0 版本中添加。

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 可打印有关优化过程的信息。默认值为 False

maxfev整型

函数评估的最大次数。默认值为 500 * n,其中 n 是变量的数量。

maxiter整型

最大迭代次数。默认值为 1000 * n,其中 n 是变量的数量。

f_target浮点数

目标函数的目标值。当可行点(参见下文的 feasibility_tol)的目标函数值小于或等于此目标时,优化过程终止。默认值为 -numpy.inf

feasibility_tol浮点数

约束违规的绝对容差。默认值为 1e-8

initial_tr_radius浮点数

初始信赖域半径。通常,此值应约为变量预期最大变化量的十分之一。默认值为 1.0

final_tr_radius浮点数

最终信赖域半径。它应指示变量最终值所需的精度。如果提供,此选项将覆盖 minimize 函数中 tol 的值。默认值为 1e-6

scale布尔值

设置为 True 可根据边界缩放变量。如果为 True 且所有下限和上限都是有限的,则变量将缩放到 \([-1, 1]\) 范围内。如果任何下限或上限是无限的,则变量将不被缩放。默认值为 False

参考文献