scipy.optimize.

fmin_slsqp#

scipy.optimize.fmin_slsqp(func, x0, eqcons=(), f_eqcons=None, ieqcons=(), f_ieqcons=None, bounds=(), fprime=None, fprime_eqcons=None, fprime_ieqcons=None, args=(), iter=100, acc=1e-06, iprint=1, disp=None, full_output=0, epsilon=np.float64(1.4901161193847656e-08), callback=None)[Quelle]#

Minimiert eine Funktion unter Verwendung von Sequential Least Squares Programming

Python-Schnittstellenfunktion für die SLSQP-Optimierungsroutine, ursprünglich von Dieter Kraft implementiert.

Parameter:

funccallable f(x,*args)

Zielfunktion. Muss einen Skalar zurückgeben.

x01-D ndarray von float

Anfangsschätzung für die unabhängige Variable(n).

eqconslist, optional

Eine Liste von Funktionen der Länge n, so dass eqcons[j](x,*args) == 0.0 in einem erfolgreich optimierten Problem.

f_eqconscallable f(x,*args), optional

Gibt ein 1-D-Array zurück, bei dem jedes Element 0,0 in einem erfolgreich optimierten Problem sein muss. Wenn f_eqcons angegeben ist, wird eqcons ignoriert.

ieqconslist, optional

Eine Liste von Funktionen der Länge n, so dass ieqcons[j](x,*args) >= 0.0 in einem erfolgreich optimierten Problem.

f_ieqconscallable f(x,*args), optional

Gibt ein 1-D-ndarray zurück, bei dem jedes Element größer oder gleich 0,0 in einem erfolgreich optimierten Problem sein muss. Wenn f_ieqcons angegeben ist, wird ieqcons ignoriert.

boundslist, optional

Eine Liste von Tupeln, die die untere und obere Schranke für jede unabhängige Variable angeben [(xl0, xu0),(xl1, xu1),…]. Unendliche Werte werden als große Gleitkommazahlen interpretiert.

fprimecallable f(x,*args), optional

Eine Funktion, die die partiellen Ableitungen von func auswertet.

fprime_eqconscallable f(x,*args), optional

Eine Funktion der Form f(x, *args), die das m x n-Array von Gleichheitsnebenbedingungsnormale zurückgibt. Wenn nicht angegeben, werden die Normale approximiert. Das von fprime_eqcons zurückgegebene Array sollte die Größe (len(eqcons), len(x0)) haben.

fprime_ieqconscallable f(x,*args), optional

Eine Funktion der Form f(x, *args), die das m x n-Array von Ungleichheitsnebenbedingungsnormale zurückgibt. Wenn nicht angegeben, werden die Normale approximiert. Das von fprime_ieqcons zurückgegebene Array sollte die Größe (len(ieqcons), len(x0)) haben.

argssequence, optional

Zusätzliche Argumente, die an func und fprime übergeben werden.

iterint, optional

Die maximale Anzahl von Iterationen.

accfloat, optional

Angeforderte Genauigkeit.

iprintint, optional

Die Ausführlichkeit von fmin_slsqp

iprint <= 0 : Stiller Betrieb
iprint == 1 : Zusammenfassung nach Abschluss drucken (Standard)
iprint >= 2 : Status jeder Iteration und Zusammenfassung drucken

dispint, optional

Überschreibt die iprint-Schnittstelle (bevorzugt).

full_outputbool, optional

Wenn False, wird nur der Minimierer von func zurückgegeben (Standard). Andernfalls werden der endgültige Zielfunktionswert und Zusammenfassungsinformationen ausgegeben.

epsilonfloat, optional

Die Schrittweite für endliche Differenzen-Ableitungsschätzungen.

callbackcallable, optional

Wird nach jeder Iteration aufgerufen, als callback(x), wobei x der aktuelle Parametervektor ist.

Rückgabe:

outndarray von float: Der endgültige Minimierer von func.
fxndarray von float, wenn full_output true ist: Der endgültige Wert der Zielfunktion.
itsint, wenn full_output true ist: Die Anzahl der Iterationen.
imodeint, wenn full_output true ist: Der Austrittsmodus aus dem Optimierer (siehe unten).
smodestring, wenn full_output true ist: Nachricht, die den Austrittsmodus aus dem Optimierer beschreibt.

Siehe auch

minimieren: Schnittstelle zu Minimierungsalgorithmen für multivariate Funktionen. Siehe insbesondere die Methode 'SLSQP'.

Hinweise

Austrittsmodi sind wie folgt definiert

-1 : Gradientenauswertung erforderlich (g & a)
0 : Optimierung erfolgreich abgeschlossen
1 : Funktionsauswertung erforderlich (f & c)
2 : Mehr Gleichheitsnebenbedingungen als unabhängige Variablen
3 : Mehr als 3*n Iterationen im LSQ-Unterproblem
4 : Ungleichheitsnebenbedingungen inkompatibel
5 : Singuläre Matrix E im LSQ-Unterproblem
6 : Singuläre Matrix C im LSQ-Unterproblem
7 : Rangdefizitäres Gleichheitsnebenbedingungs-Unterproblem HFTI
8 : Positive gerichtete Ableitung für Liniensuche
9 : Iterationslimit erreicht

Beispiele

Beispiele finden Sie im Tutorial.