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(Newton-CG)算法最小化一个或多个变量的标量函数。
请注意,jac 参数(雅可比)是必需的。
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。
- xtolfloat
解 xopt 的平均相对误差,达到可接受的收敛条件。
- maxiterint
要执行的最大迭代次数。
- epsfloat or ndarray
如果 hessp 被近似,则使用此值作为步长。
- return_allbool, optional
设置为 True 可在每次迭代时返回最佳解的列表。
- c1float, default: 1e-4
用于 Armijo 条件规则的参数。
- c2float, default: 0.9
用于曲率条件规则的参数。
- workersint, map-like callable, optional
一个类似 map 的可调用对象,例如 multiprocessing.Pool.map 用于并行评估任何数值微分。此评估按
workers(fun, iterable)
执行。在版本 1.16.0 中新增。
注意
参数 c1 和 c2 必须满足
0 < c1 < c2 < 1
。