最小化(方法=‘CG’)¶
- scipy.optimize.minimize(fun, x0, args=(), method='CG', jac=None, tol=None, callback=None, options={'gtol': 1e-05, 'norm': inf, 'eps': 1.4901161193847656e-08, 'maxiter': None, 'disp': False, 'return_all': False, 'finite_diff_rel_step': None})
使用共轭梯度算法最小化一个或多个变量的标量函数。
参见
有关参数睡觉的文档，请参阅
scipy.optimize.minimize- 选项
- disp布尔尔
设置为True可打印收敛消息。
- maxiter集成
要执行的最大迭代次数。
- gtol浮动
梯度范数必须小于 gtol 在成功终止之前。
- norm浮动
范数的顺序(inf表示最大值，-inf表示最小值)。
- eps浮动或ndarray
如果 jac is None 用于通过向前差分数值逼近雅可比的绝对步长。
- return_all布尔值，可选
设置为True可返回每次迭代的最佳解决方案列表。
- finite_diff_rel_stepNONE或ARRAY_LIKE，可选
如果 jac in ['2-point', '3-point', 'cs'] 用于数值逼近雅可比的相对步长。绝对步长的计算公式为
h = rel_step * sign(x0) * max(1, abs(x0))，可能会进行调整以适应边界。为method='3-point'……的记号 h 被忽略。如果无(默认)，则自动选择步骤。