minimize(method=’COBYLA’)#

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 skalare Funktion von einer oder mehreren Variablen unter Verwendung des Algorithmus Constrained Optimization BY Linear Approximation (COBYLA). Diese Methode verwendet die reine Python-Implementierung des Algorithmus aus PRIMA.

Siehe auch

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

Optionen:
——-
rhobegfloat

Angemessene anfängliche Änderungen der Variablen.

tolfloat

Endgültige Genauigkeit bei der Optimierung (nicht exakt garantiert). Dies ist eine untere Schranke für die Größe der Vertrauensregion.

dispint
Steuert die Häufigkeit der Ausgabe.

  1. (Standard) Es wird keine Ausgabe erfolgen.

  2. Am Ende der Iteration wird eine Meldung auf dem Bildschirm angezeigt, die den besten gefundenen Vektor von Variablen und dessen Zielfunktionswert enthält.

  3. Zusätzlich zu 1 wird jeder neue Wert von RHO auf dem Bildschirm angezeigt, zusammen mit dem bisher besten Vektor von Variablen und dessen Zielfunktionswert.

  4. Zusätzlich zu 2 wird jede Funktionsauswertung mit ihren Variablen auf dem Bildschirm angezeigt.

maxiterint

Maximale Anzahl von Funktionsauswertungen.

catolfloat

Toleranz (absolut) für Nebenbedingungsverletzungen.

f_targetfloat

Stoppt, wenn die Zielfunktion kleiner als f_target ist.

Geändert in Version 1.16.0: Die ursprüngliche Powell-Implementierung wurde durch eine reine Python-Version aus dem PRIMA-Paket ersetzt, mit behobenen Fehlern und Verbesserungen.

Referenzen

Zhang Z. (2023), „PRIMA: Referenzimplementierung für Powells Methoden mit Modernisierung und Verbesserung“, https://www.libprima.net, DOI:10.5281/zenodo.8052654