scipy.optimize.fmin_slsqp¶
- scipy.optimize.fmin_slsqp(func, x0, eqcons=(), f_eqcons=None, ieqcons=(), f_ieqcons=None, bounds=(), fprime=None, fprime_eqcons=None, fprime_ieqcons=None, args=(), iter=100, acc=1e-06, iprint=1, disp=None, full_output=0, epsilon=1.4901161193847656e-08, callback=None)[源代码]¶
用序列最小二乘规划法最小化函数
最初由Dieter Kraft实现的SLSQP优化子例程的Python接口函数。
- 参数
- func可调用f(x，*args)
目标函数。必须返回标量。
- x0一维浮子阵列
对自变量的初始猜测。
- eqcons列表，可选
长度为n的函数的列表，使得等式 [j] 在成功优化的问题中，(X，*args)==0.0。
- f_eqcons可调用f(x，*args)，可选
返回一个一维数组，其中每个元素在成功优化的问题中都必须等于0.0。如果指定了f_eqcons，则忽略eqcons。
- ieqcons列表，可选
长度为n的函数的列表，使得等式 [j] 在成功优化的问题中，(X，*args)>=0.0。
- f_ieqcons可调用f(x，*args)，可选
返回一维ndarray，其中每个元素在成功优化的问题中必须大于或等于0.0。如果指定了f_ieqcons，则忽略ieqcons。
- bounds列表，可选
指定每个自变量的上下限的元组列表 [(xl0，xu0)，(xl1，xu1)，.] 无限大的值将被解释为大的浮点值。
- fPrime ：可调用 f(x,*args) ，可选可调用
计算函数的偏导数的函数。
- fprime_eqcons ：可调用 f(x,*args) ，可选可调用
表单的一个函数 f(x, *args) 它返回相等约束法线的m×n数组。如果未提供，将近似法线。fPrime_eqcons返回的数组大小应为(len(Eqcons)，len(X0))。
- fprime_ieqcons ：可调用 f(x,*args) ，可选可调用
表单的一个函数 f(x, *args) 它返回不等约束法线的m×n数组。如果未提供，将近似法线。fPrime_ieqcons返回的数组大小应为(len(Ieqcons)，len(X0))。
- args序列，可选
传递给func和fPrime的其他参数。
- iter整型，可选
最大迭代次数。
- acc浮动，可选
要求准确度。
- iprint整型，可选
fmin_slsqp的详细程度：
iPrint<=0：静默操作
iPrint==1：完成时打印摘要(默认)
iPrint>=2：打印每次迭代和汇总的状态
- disp整型，可选
覆盖iPrint接口(首选)。
- full_output布尔值，可选
如果为false，则仅返回func的最小值(默认值)。否则，输出最终目标函数和汇总信息。
- epsilon浮动，可选
有限差分导数估计的步长。
- callback可调用，可选
在每次迭代后调用，如
callback(x)，在哪里x是当前参数向量。
- 退货
- outNdarray of Floor(浮子线)
函数的最终极小值。
- fx如果full_output为true，则返回浮点数的ndarray
目标函数的最终值。
- its如果full_output为true，则返回int
迭代次数。
- imode如果full_output为true，则返回int
优化器的退出模式(见下文)。
- smode字符串，如果FULL_OUTPUT为TRUE
描述优化器退出模式的消息。
参见
minimize与多变量函数的最小化算法的接口。请参阅“SLSQP” method 尤其是。
注意事项
退出模式定义如下：
-1 : Gradient evaluation required (g & a) 0 : Optimization terminated successfully 1 : Function evaluation required (f & c) 2 : More equality constraints than independent variables 3 : More than 3*n iterations in LSQ subproblem 4 : Inequality constraints incompatible 5 : Singular matrix E in LSQ subproblem 6 : Singular matrix C in LSQ subproblem 7 : Rank-deficient equality constraint subproblem HFTI 8 : Positive directional derivative for linesearch 9 : Iteration limit reached
示例
给出了实例 in the tutorial 。