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)

最小化使用二次逼近约束优化通过二次逼近算法 (COBYQA) 的一个或多个变量的标量函数 [1]。

在版本 1.14.0 中添加。

另请参见

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。

maxfevint

函数求值的最大次数。

maxiterint

最大迭代次数。

f_targetfloat

目标函数的目标值。当可行点的目标函数值（见下面的 feasibility_tol）小于或等于此目标值时，优化过程结束。

feasibility_tolfloat

约束违反的绝对容差。

initial_tr_radiusfloat

初始信任域半径。通常，此值应该为可能的变化量十之一左右。

final_tr_radiusfloat

最终信任域半径。它应指示变量最终值的所需精度。如果提供此选项，它将覆盖 minimize 函数中 tol 的值。

scalebool

设置为 True 以根据边界调整变量。如果为 True，并且所有下界和上界都是有限的，则变量将被调整到 \([-1, 1]\) 范围内。如果任何下界或上界是无限的，则不会调整变量。

引用