minimize(method=’COBYQA’)#

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

Minimiert eine Skalarfunktion von einer oder mehreren Variablen mithilfe des Algorithmus Constrained Optimization BY Quadratic Approximations (COBYQA) [1].

Hinzugefügt in Version 1.14.0.

Siehe auch

Für die Dokumentation der restlichen Parameter siehe scipy.optimize.minimize

Optionen:
——-
dispbool

Auf `True` setzen, um Informationen über den Optimierungsprozess auszugeben. Standardwert ist `False`.

maxfevint

Maximale Anzahl von Funktionsauswertungen. Standardwert ist `500 * n`, wobei `n` die Anzahl der Variablen ist.

maxiterint

Maximale Anzahl von Iterationen. Standardwert ist `1000 * n`, wobei `n` die Anzahl der Variablen ist.

f_targetfloat

Zielwert für die Zielfunktion. Der Optimierungsprozess wird beendet, wenn der Wert der Zielfunktion eines zulässigen Punktes (siehe `feasibility_tol` unten) kleiner oder gleich diesem Zielwert ist. Standardwert ist `-numpy.inf`.

feasibility_tolfloat

Absolute Toleranz für die Nebenbedingungsverletzung. Standardwert ist `1e-8`.

initial_tr_radiusfloat

Anfänglicher Vertrauensbereichsradius. Typischerweise sollte dieser Wert in der Größenordnung eines Zehntels der größten erwarteten Änderung der Variablen liegen. Standardwert ist `1.0`.

final_tr_radiusfloat

Endgültiger Vertrauensbereichsradius. Er sollte die Genauigkeit angeben, die in den Endwerten der Variablen erforderlich ist. Wenn angegeben, überschreibt diese Option den Wert von `tol` in der Funktion `minimize` minimize. Standardwert ist `1e-6`.

scalebool

Auf `True` setzen, um die Variablen entsprechend den Grenzen zu skalieren. Wenn `True` und wenn alle unteren und oberen Grenzen endlich sind, werden die Variablen so skaliert, dass sie im Bereich `[-1, 1]` liegen. Wenn eine der unteren oder oberen Grenzen unendlich ist, werden die Variablen nicht skaliert. Standardwert ist `False`.

Referenzen