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)
使用二次逼近约束优化 (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:
- ——-
- dispbool
设置为 True 以打印有关优化过程的信息。默认为
False。- maxfevint
最大函数求值次数。默认值为
500 * n，其中n是变量的数量。- maxiterint
最大迭代次数。默认值为
1000 * n，其中n是变量的数量。- f_targetfloat
目标函数的目标值。当可行点（请参阅下面的 feasibility_tol ）的目标函数值小于或等于此目标值时，优化过程将终止。默认值为
-numpy.inf。- feasibility_tolfloat
约束违反的绝对容差。默认值为
1e-8。- initial_tr_radiusfloat
初始信任域半径。通常，该值应约为变量预期最大变化的十分之一。默认值为
1.0。- final_tr_radiusfloat
最终信任域半径。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函数中的 tol 值。默认值为1e-6。- scalebool
设置为 True 以根据边界缩放变量。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，则不会缩放变量。默认值为
False。
参考
[1]