minimize(method=’CG’)

scipy.optimize.minimize(fun, x0, args=(), метод=None, jac=None, hess=None, hessp=None, границы=None, ограничения=(), tol=None, callback=None, опции=None)

Минимизация скалярной функции одной или нескольких переменных с использованием алгоритма сопряженных градиентов.

Смотрите также

Для документации по остальным параметрам см. scipy.optimize.minimize

Опции:

——-

dispbool

Установите True для вывода сообщений о сходимости.

maxiterint

Максимальное количество итераций для выполнения.

gtolfloat

Норма градиента должна быть меньше gtol перед успешным завершением.

normfloat

Порядок нормы (Inf — максимум, -Inf — минимум).

epsfloat или ndarray

Если jac is None абсолютный размер шага, используемый для численного приближения якобиана через прямые разности.

return_allbool, необязательно

Установите в True, чтобы вернуть список лучшего решения на каждой из итераций.

finite_diff_rel_stepNone или array_like, опционально

Если jac in ['2-point', '3-point', 'cs'] относительный размер шага для численного приближения якобиана. Абсолютный размер шага вычисляется как h = rel_step * sign(x) * max(1, abs(x)), возможно, скорректированный для соответствия границам. Для jac='3-point' знак h игнорируется. Если None (по умолчанию), то шаг выбирается автоматически.

c1float, по умолчанию: 1e-4

Параметр для правила условия Армихо.

c2float, по умолчанию: 0.4

Параметр для правила условия кривизны.

workersint, вызываемый объект, подобный отображению, опционально

Вызываемый объект, подобный отображению, такой как multiprocessing.Pool.map для параллельного вычисления любой численной производной. Это вычисление выполняется как workers(fun, iterable).

Добавлено в версии 1.16.0.

Примечания

Параметры c1 и c2 должно удовлетворять 0 < c1 < c2 < 1.