minimize(method=’Nelder-Mead’)#
- 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 Nelder-Mead 算法对一个或多个变量的标量函数进行最小化。
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 以打印收敛消息。
- maxiter, maxfev整型
允许的最大迭代次数和函数评估次数。如果未设置 maxiter 或 maxfev,则默认为
N*200
,其中N
是变量的数量。如果 maxiter 和 maxfev 都设置了,则最小化将在两者中首先达到者时停止。- return_all布尔值,可选
设置为 True 以返回每次迭代的最佳解决方案列表。
- initial_simplex形状为 (N + 1, N) 的类数组
初始单纯形。如果给出,将覆盖 x0。
initial_simplex[j,:]
应包含单纯形中N+1
个顶点的第 j 个顶点的坐标,其中N
是维度。- xatol浮点型,可选
迭代之间 xopt 的绝对误差,可接受的收敛值。
- fatol数值,可选
迭代之间 func(xopt) 的绝对误差,可接受的收敛值。
- adaptive布尔值,可选
根据问题的维度调整算法参数。对于高维最小化很有用 [1]。
- bounds序列或
Bounds
,可选 变量的边界。有两种方法来指定边界
Bounds
类的实例。对于 x 中的每个元素,是
(min, max)
对的序列。使用 None 表示没有边界。
请注意,这只是根据边界裁剪单纯形中的所有顶点。
参考文献
[1]Gao, F. and Han, L. 实施具有自适应参数的 Nelder-Mead 单纯形算法。2012. Computational Optimization and Applications. 51:1, pp. 259-277