最小化(method=‘Neld-Mead’)¶
- scipy.optimize.minimize(fun, x0, args=(), method='Nelder-Mead', bounds=None, tol=None, callback=None, options={'func': None, 'maxiter': None, 'maxfev': None, 'disp': False, 'return_all': False, 'initial_simplex': None, 'xatol': 0.0001, 'fatol': 0.0001, 'adaptive': False})
使用内尔德-米德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，MAXFEV集成
允许的最大迭代和函数求值次数。将默认为
N*200，在哪里N是变量的数量，如果两者都不是 maxiter 或 maxfev 已经设置好了。如果两者都有 maxiter 和 maxfev 则最小化将在第一个到达处停止。- 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。
- initial_simplex形状为(N+1，N)的类阵列
初始单纯形。如果给定，则重写 x0 。
initial_simplex[j,:]对象的第j个顶点的坐标。N+1单纯形中的顶点，其中N是维度。- xatol浮动，可选
迭代之间的xopt绝对误差为收敛可接受。
- fatol数字，可选
迭代之间可接受的函数绝对误差(Xopt)。
- adaptive布尔值，可选
使算法参数适应问题的维度。适用于高维最小化 [1].
- 边界 ：序列或 Bounds ，可选序列或
变量的界限。有两种方式可以指定边界：
实例 Bounds 班级。
序列
(min, max)中每个元素的对 x 。None用于指定无边界。
请注意，这仅根据边界剪裁单纯形中的所有顶点。
参考文献
- 1
高峰和韩林，L。实现参数自适应的Nelder-Mead单纯形算法。2012年。计算优化及其应用。51：1，第259-277页