最小化(方法='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

有关其他参数的说明，请参见 scipy.optimize.minimize

选项:

——-

eps浮点数或 ndarray

如果 jac 为 None，则绝对步长用于通过前向差分数值近似雅可比矩阵。

scale浮点数列表

应用于每个变量的缩放因子。如果为 None，则因子对于区间有界变量为 (up-low)，对于其他变量为 1+|x]。默认为 None。

offset浮点数

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

disp布尔值

设置为 True 以打印收敛消息。

maxCGit整数

在每个主迭代中的最大 hessian*vector 求值次数。如果 maxCGit == 0，如果 maxCGit < 0，则选择的路径为 - 梯度，则 maxCGit 设置为 max(1,min(50,n/2))。默认为 -1。

eta浮点数

线搜索的严重程度。如果 < 0 或 > 1，则设置为 0.25。默认为 -1。

stepmx浮点数

线搜索的最大步长。在调用期间可能会增加。如果过小，则设置为 10.0。默认为 0。

accuracy浮点数

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。

minfev浮点数

函数最小值估计。默认为 0。

ftol浮点数

停止判据中 f 值的精度目标。如果 ftol < 0.0，则 ftol 设置为 0.0，默认为 -1。

xtol浮点数

停止判据中 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。

gtol浮点数

停止判据中投影梯度值的精度目标（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。

rescale浮点数

用于触发 f 值重新缩放的对数 (log10) 比例因子。如果为 0，则在每次迭代中进行重新缩放。如果值为较大值，则永不重新缩放。如果 < 0，则 rescale 设置为 1.3。

finite_diff_rel_stepNone 或 array_like，可选

如果 jac in [‘2-point’, ‘3-point’, ‘cs’]，则为雅可比数值近似使用的相对步长大小。绝对步长大小计算为 h = rel_step * sign(x) * max(1, abs(x))，可能调整为适合边距。对于 method='3-point'，将忽略 h 的符号。如果为 None（默认值），则将自动选择步长。

maxfunint

函数求值的最大数量。如果为 None，则将 maxfun 设置为 max(100, 10*len(x0))。默认为 None。