minimize(method='TNC')

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

使用截断牛顿 (TNC) 算法最小化一个或多个变量的标量函数。

另请参阅

有关其余参数的文档，请参阅 scipy.optimize.minimize

选项:

——-

epsfloat 或 ndarray

如果 jac 为 None，则通过前向差分数值逼近雅可比矩阵时使用的绝对步长。

scale浮点数列表

应用于每个变量的缩放因子。 如果为 None，则对于区间有界变量，这些因子为 up-low，对于其他变量，这些因子为 1+|x]。 默认为 None。

offsetfloat

从每个变量中减去的值。 如果为 None，则对于区间有界变量，偏移量为 (up+low)/2，对于其他变量，偏移量为 x。

dispbool

设置为 True 以打印收敛消息。

maxCGitint

每次主迭代中 Hessian*向量评估的最大次数。如果 maxCGit == 0，则选择的方向为 -梯度；如果 maxCGit < 0，则 maxCGit 设置为 max(1, min(50, n/2))。默认为 -1。

etafloat

线性搜索的严格程度。 如果 < 0 或 > 1，则设置为 0.25。默认为 -1。

stepmxfloat

线性搜索的最大步长。可能会在调用期间增加。如果太小，将设置为 10.0。默认为 0。

accuracyfloat

有限差分计算的相对精度。 如果 <= machine_precision，则设置为 sqrt(machine_precision)。默认为 0。

minfevfloat

最小函数值估计值。默认为 0。

ftolfloat

停止标准中 f 值的精度目标。 如果 ftol < 0.0，则 ftol 设置为 0.0，默认为 -1。

xtolfloat

停止标准中 x 值的精度目标（在应用 x 缩放因子之后）。 如果 xtol < 0.0，则 xtol 设置为 sqrt(machine_precision)。默认为 -1。

gtolfloat

停止标准中投影梯度的精度目标（在应用 x 缩放因子之后）。 如果 gtol < 0.0，则 gtol 设置为 1e-2 * sqrt(accuracy)。不建议将其设置为 0.0。默认为 -1。

rescalefloat

用于触发 f 值重新缩放的缩放因子（以 log10 为单位）。 如果为 0，则在每次迭代时重新缩放。如果值很大，则永远不会重新缩放。 如果 < 0，则将重新缩放设置为 1.3。

finite_diff_rel_stepNone 或 array_like，可选

如果 jac in ['2-point', '3-point', 'cs']，则用于数值逼近雅可比矩阵的相对步长。绝对步长计算为 h = rel_step * sign(x) * max(1, abs(x))，可能会进行调整以适应边界。对于 method='3-point'，忽略 h 的符号。如果为 None（默认），则自动选择步长。

maxfunint

最大函数评估次数。如果为 None，则 maxfun 设置为 max(100, 10*len(x0))。默认为 None。