最小化(方法=‘Powell’)¶
- scipy.optimize.minimize(fun, x0, args=(), method='Powell', bounds=None, tol=None, callback=None, options={'func': None, 'xtol': 0.0001, 'ftol': 0.0001, 'maxiter': None, 'maxfev': None, 'disp': False, 'direc': None, 'return_all': False})
使用改进的Powell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。
- xtol浮动
解中的相对误差 xopt 可接受的收敛。
- ftol浮动
中的相对误差
fun(xopt)可接受的收敛。- MAXITER，MAXFEV集成
允许的最大迭代和函数求值次数。将默认为
N*1000，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。- direcndarray
Powell方法的初始方向矢量集。
- 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。
- 边界 ： Bounds边界
如果未提供界限，则将使用无界线搜索。如果提供了界限并且初始猜测在界限内，那么在最小化过程中的每个函数计算都将在界限内。如果提供了界限，则初始猜测超出界限，并且 direc 为满秩(或保留为默认值)，则第一次迭代期间的某些函数求值可能超出界限，但第一次迭代之后的每个函数求值都在界限之内。如果 direc 如果不是满秩，则某些参数可能不会优化，也不能保证解在界内。
- 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。