minimize(method='Newton-CG')

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

使用牛顿共轭梯度算法最小化一个或多个变量的标量函数。

请注意，需要 jac 参数（雅可比矩阵）。

另请参阅

有关其余参数的文档，请参见 scipy.optimize.minimize

选项:

——-

dispbool

设置为 True 以打印收敛消息。

xtolfloat

收敛可接受的解 xopt 的平均相对误差。

maxiterint

要执行的最大迭代次数。

epsfloat 或 ndarray

如果 hessp 是近似值，则将此值用作步长。

return_allbool, 可选

设置为 True 以返回每次迭代的最佳解列表。

c1float, 默认值: 1e-4

Armijo 条件规则的参数。

c2float, 默认值: 0.9

曲率条件规则的参数。

注释

参数 c1 和 c2 必须满足 0 < c1 < c2 < 1。