minimize(method=’L-BFGS-B’)

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 L-BFGS-B 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:

——-

dispNone 或 int

已弃用的选项，之前用于控制问题求解期间在屏幕上打印的文本。现在，代码不会发出任何输出，此关键字没有任何功能。

自版本 1.15.0 起弃用: 此关键字已弃用，将从 SciPy 1.17.0 中删除。

maxcorint

用于定义有限内存矩阵的最大变量度量校正数。（有限内存 BFGS 方法不存储完整的黑塞矩阵，而是使用这么多项对其进行近似。）

ftolfloat

当 (f^k - f^{k+1})/max{|f^k|,|f^{k+1}|,1} <= ftol 时，迭代停止。

gtolfloat

当 max{|proj g_i | i = 1, ..., n} <= gtol 时，迭代将停止，其中 proj g_i 是投影梯度的第 i 个分量。

epsfloat 或 ndarray

如果 jac 为 None，则使用向前差分数值逼近雅可比矩阵的绝对步长。

maxfunint

最大函数求值次数。请注意，由于通过数值微分评估梯度，此函数可能会违反此限制。

maxiterint

最大迭代次数。

iprintint, 可选

已弃用的选项，之前用于控制问题求解期间在屏幕上打印的文本。现在，代码不会发出任何输出，此关键字没有任何功能。

自版本 1.15.0 起弃用: 此关键字已弃用，将从 SciPy 1.17.0 中删除。

maxlsint, 可选

最大线搜索步骤数（每次迭代）。默认为 20。

finite_diff_rel_stepNone 或 array_like, 可选

如果 jac 在 ['2-point', '3-point', 'cs'] 中，则用于数值逼近雅可比矩阵的相对步长。绝对步长计算为 h = rel_step * sign(x) * max(1, abs(x))，可能会调整以适合边界。对于 method='3-point'，忽略 h 的符号。如果为 None（默认），则自动选择步长。

注意

选项 ftol 通过 scipy.optimize.minimize 接口公开，但直接调用 scipy.optimize.fmin_l_bfgs_b 会直接公开 factr。两者之间的关系是 ftol = factr * numpy.finfo(float).eps。即，factr 乘以默认的机器浮点精度以得出 ftol。