minimize(method=’Nelder-Mead’)#

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

Minimierung einer skalaren Funktion von einer oder mehreren Variablen mithilfe des Nelder-Mead-Algorithmus.

Siehe auch

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

Optionen:
——-
dispbool

Auf True setzen, um Konvergenz-Meldungen auszugeben.

maxiter, maxfevint

Maximale Anzahl von Iterationen und Funktionsauswertungen. Standardmäßig N*200, wobei N die Anzahl der Variablen ist, wenn weder maxiter noch maxfev gesetzt ist. Wenn sowohl maxiter als auch maxfev gesetzt sind, stoppt die Minimierung bei der zuerst erreichten Grenze.

return_allbool, optional

Auf True setzen, um eine Liste der besten Lösungen in jeder Iteration zurückzugeben.

initial_simplexarray_like von Shape (N + 1, N)

Initiales Simplex. Wenn angegeben, überschreibt dies x0. initial_simplex[j,:] sollte die Koordinaten des j-ten Scheitelpunkts der N+1 Scheitelpunkte im Simplex enthalten, wobei N die Dimension ist.

xatolfloat, optional

Absolute Fehler in xopt zwischen Iterationen, der für die Konvergenz akzeptabel ist.

fatolnumber, optional

Absoluter Fehler in func(xopt) zwischen Iterationen, der für die Konvergenz akzeptabel ist.

adaptivebool, optional

Passt Algorithmusparameter an die Dimensionalität des Problems an. Nützlich für hochdimensionale Minimierung [1].

boundssequence oder Bounds, optional

Grenzen für Variablen. Es gibt zwei Möglichkeiten, die Grenzen anzugeben:

  1. Instanz der Klasse Bounds.

  2. Sequenz von Paaren (min, max) für jedes Element in x. None wird verwendet, um keine Grenze anzugeben.

Beachten Sie, dass dies nur alle Scheitelpunkte im Simplex basierend auf den Grenzen beschneidet.

Referenzen

[1]

Gao, F. und Han, L. Implementing the Nelder-Mead simplex algorithm with adaptive parameters. 2012. Computational Optimization and Applications. 51:1, S. 259-277