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 maxiter 或 maxfev,则默认值为
N*200
,其中N
是变量的数量。如果同时设置了 maxiter 和 maxfev,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 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。- 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
Bounds
类的实例。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