minimize(method=’Powell’)#

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

使用改进的Powell算法最小化一个或多个变量的标量函数。

参数:

fun可调用

要最小化的目标函数

fun(x, *args) -> float

其中 x 是一个形状为 (n,) 的一维数组，而 args 是一个元组，包含完全指定函数所需的固定参数。

x0ndarray，形状 (n,)

初始猜测。大小为 (n,) 的实数元素数组，其中 n 是独立变量的数量。

args元组，可选

传递给目标函数及其导数的额外参数（fun、jac 和 hess 函数）。

method字符串或可调用对象，可选

本文档专门针对 method='powell'，但也有其他选项可用。请参阅 scipy.optimize.minimize 的文档。

bounds序列或 Bounds，可选

决策变量的边界。有两种方法可以指定边界

Bounds 类的一个实例。
x 中每个元素的 (min, max) 对序列。使用 None 表示没有边界。

如果未提供边界，则将使用无界线搜索。如果提供了边界且初始猜测在边界内，则整个最小化过程中的每次函数评估都将在边界内。如果提供了边界，初始猜测在边界之外，并且 direc 是满秩的（或保持默认），那么第一次迭代期间的一些函数评估可能会超出边界，但第一次迭代之后的所有函数评估都将在边界内。如果 direc 不是满秩的，则某些参数可能未被优化，并且不能保证解决方案在边界内。

options字典，可选

求解器选项的字典。所有方法都接受以下通用选项

maxiter整数: 要执行的最大迭代次数。根据所用方法，每次迭代可能会使用多次函数评估。
disp布尔值: 设置为 True 以打印收敛消息。

请参阅下面 method='powell' 的特定方法选项。

callback可调用，可选

每次迭代后调用。签名为

callback(xk)

其中 xk 是当前的参数向量。

返回:

resOptimizeResult: 优化结果表示为一个 OptimizeResult 对象。重要属性包括：x（解数组）、success（一个布尔标志，指示优化器是否成功退出）和 message（描述终止原因）。有关其他属性的描述，请参阅 OptimizeResult。

另请参阅

有关其余参数的文档，请参阅 scipy.optimize.minimize

选项:

——-
disp布尔值: 设置为 True 以打印收敛消息。
xtol浮点数: 解 xopt 的相对误差，可接受的收敛值。
ftol浮点数: fun(xopt) 的相对误差，可接受的收敛值。
maxiter, maxfev整数: 允许的最大迭代次数和函数评估次数。如果 maxiter 和 maxfev 均未设置，则默认为 N*1000，其中 N 是变量的数量。如果 maxiter 和 maxfev 都已设置，则最小化将在先达到者处停止。
direcndarray: Powell 方法的初始方向向量集。
return_all布尔值，可选: 设置为 True 以返回每次迭代的最佳解决方案列表。