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

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 c1c2 必须满足 0 < c1 < c2 < 1