root(method='anderson')

scipy.optimize.root(fun, x0, args=(), метод='hybr', jac=None, tol=None, callback=None, опции=None)

Смотрите также

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

Опции:

——-

nitint, необязательный

Количество итераций для выполнения. Если опущено (по умолчанию), выполняется столько, сколько требуется для достижения допусков.

dispbool, необязательно

Выводить статус в stdout на каждой итерации.

maxiterint, необязательный

Максимальное количество итераций для выполнения.

ftolfloat, опционально

Относительная погрешность для невязки. Если опущено, не используется.

fatolfloat, опционально

Абсолютная погрешность (в max-норме) для невязки. Если опущена, по умолчанию равна 6e-6.

xtolfloat, опционально

Относительный минимальный размер шага. Если опущено, не используется.

xatolfloat, опционально

Абсолютный минимальный размер шага, определяемый из приближения Якобиана. Если размер шага меньше этого, оптимизация завершается как успешная. Если опущено, не используется.

tol_normfunction(vector) -> scalar, опционально

Норма для проверки сходимости. По умолчанию используется максимальная норма.

линейный поиск{None, ‘armijo’ (по умолчанию), ‘wolfe’}, опционально

Какой тип линейного поиска использовать для определения размера шага в направлении, заданном аппроксимацией Якобиана. По умолчанию 'armijo'.

jac_optionsdict, optional

Опции для соответствующего приближения Якоби.

alphafloat, опционально

Начальное предположение для матрицы Якоби равно (-1/alpha).

Mfloat, опционально

Количество предыдущих векторов для сохранения. По умолчанию 5.

w0float, опционально

Параметр регуляризации для численной устойчивости. По сравнению с единицей, хорошие значения порядка 0.01.