最小化(方法='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 算法对一元或多元标量函数进行最小化。

另请参阅

有关其余参数的文档，请参见 scipy.optimize.minimize

选项:

——-

disp布尔值

设置为 True 以打印收敛消息。

maxiter、maxfev整数

允许的最大迭代次数和函数计算次数。如果 maxiter 或 maxfev 均未设置，将默认设置为 N*200，其中 N 是变量数。如果 maxiter 和 maxfev 均已设置，最小化将在达到第一个上限时停止。

return_all布尔值，可选

设置为 True 以返回每次迭代中最佳解列表。

initial_simplex形状为 (N + 1, N) 的类数组

初始单纯形。如果已提供，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浮点数，可选

在迭代之间的 xopt 绝对误差，该误差对于收敛而言是可以接受的。

fatol数字，可选

在迭代之间的 func(xopt) 绝对误差，该误差对于收敛而言是可以接受的。

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

变量的界限。有两种方法可以指定界限

1. 类实例 Bounds

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

请注意，这只是根据界限裁剪单纯形中的所有顶点。

参考

[1]

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