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
[1]