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 Newton-CG 算法最小化具有一个或多个变量的标量函数。

请注意，要求使用jac 参数（雅可比）。

另请参阅

有关其余参数的文档，请参见 scipy.optimize.minimize

选项:

——-

disp布尔型

设为 True 以打印收敛消息。

xtol浮点数

解决方案 xopt 中的平均相对误差，可接受用于收敛。

maxiter整数

执行的最大迭代次数。

eps浮点数或 ndarray

如果 hessp 为近似值，则对此步长使用该值。

return_all布尔型，可选

设为 True 以在每次迭代时返回最佳解决方案的列表。

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。