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:
——-
dispbool

设置为 True 以打印收敛消息。

maxiter, maxfevint

允许的最大迭代次数和函数评估次数。如果未设置 maxitermaxfev,则默认值为 N*200,其中 N 是变量的数量。如果同时设置了 maxitermaxfev,则最小化将在首先到达的条件时停止。

return_allbool,可选

设置为 True 以返回每次迭代中最佳解决方案的列表。

initial_simplex形状为 (N + 1, N) 的类数组

初始单纯形。如果给出,则覆盖 x0initial_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。

xatolfloat,可选

迭代之间 xopt 中的绝对误差,该误差对于收敛是可以接受的。

fatol数字,可选

迭代之间 func(xopt) 中的绝对误差,该误差对于收敛是可以接受的。

adaptivebool,可选

调整算法参数以适应问题的维度。对于高维最小化很有用[1]

bounds序列或 Bounds,可选

变量的界限。有两种方法可以指定界限

  1. Bounds 类的实例。

  2. 对于 x 中的每个元素,使用 (min, max) 对的序列。None 用于指定无界限。

请注意,这只会根据界限裁剪单纯形中的所有顶点。

参考文献

[1]

Gao, F. 和 Han, L. 使用自适应参数实现 Nelder-Mead 单纯形算法。2012. 计算优化和应用。51:1,第 259-277 页