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，以前用于控制求解问题期间屏幕上显示的文本。现在代码不会发出任何输出，此关键字也没有任何作用。

自 1.15.0 版本起已弃用： 此关键字已被弃用，并将在 SciPy 1.18.0 版本中移除。

maxcorint

用于定义有限内存矩阵的最大变量度量校正次数。（有限内存 BFGS 方法不存储完整的 Hessian，而是使用此数量的项来近似它。）

ftol浮点数

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，则通过前向差分法进行雅可比矩阵数值逼近的绝对步长。

maxfunint

最小化终止前的最大函数评估次数。请注意，如果梯度是通过数值微分计算的，则此函数可能会超出限制。

maxiter整数

最大算法迭代次数。

iprintint, optional

已弃用的选项，以前用于控制求解问题期间屏幕上显示的文本。现在代码不会发出任何输出，此关键字也没有任何作用。

自 1.15.0 版本起已弃用： 此关键字已被弃用，并将在 SciPy 1.18.0 版本中移除。

maxlsint, optional

最大步长搜索步数（每迭代一次）。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))，可能会根据边界进行调整。对于 method='3-point'，h 的符号将被忽略。如果为 None（默认值），则自动选择步长。

workersint, 类 map 可调用, 可选

类 map 的可调用对象，例如 multiprocessing.Pool.map，用于并行评估数值微分。该评估以 workers(fun, iterable) 的形式执行。

1.16.0 版本中添加。

附注

选项 ftol 通过 scipy.optimize.minimize 接口暴露，但直接调用 scipy.optimize.fmin_l_bfgs_b 会暴露 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来得到 ftol。如果最小化收敛缓慢，则优化器可能会在总函数评估次数超过 maxfun 或算法迭代次数达到 maxiter（以先到者为准）时停止。在这种情况下，result.success=False，并且 result.message 中包含相应的错误消息。