minimize(method=’L-BFGS-B’)

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 L-BFGS-B-Algorithmus.

Siehe auch

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

Optionen:

——-

dispNone oder int

Veraltete Option, die zuvor den auf dem Bildschirm ausgegebenen Text während der Problemlösung steuerte. Jetzt gibt der Code keine Ausgabe mehr aus und dieses Schlüsselwort hat keine Funktion.

Veraltet seit Version 1.15.0: Dieses Schlüsselwort ist veraltet und wird aus SciPy 1.18.0 entfernt.

maxcorint

Die maximale Anzahl von variablen Metrikkorrekturen, die zur Definition der beschränkten Speicherungsmatrix verwendet werden. (Die L-BFGS-Methode speichert nicht die vollständige Hesse-Matrix, sondern verwendet diese Anzahl von Termen zur Annäherung.)

ftolfloat

Die Iteration stoppt, wenn (f^k - f^{k+1})/max{|f^k|,|f^{k+1}|,1} <= ftol.

gtolfloat

Die Iteration stoppt, wenn max{|proj g_i | i = 1, ..., n} <= gtol, wobei proj g_i die i-te Komponente des projizierten Gradienten ist.

epsfloat oder ndarray

Wenn jac None ist, der absolute Schrittwert, der zur numerischen Approximation des Jacobi-Matrix mittels Vorwärtsdifferenzen verwendet wird.

maxfunint

Maximale Anzahl von Funktionsauswertungen, bevor die Minimierung beendet wird. Beachten Sie, dass diese Funktion das Limit verletzen kann, wenn die Gradienten durch numerische Differenzierung ausgewertet werden.

maxiterint

Maximale Anzahl von Algorithmus-Iterationen.

iprintint, optional

Veraltete Option, die zuvor den auf dem Bildschirm ausgegebenen Text während der Problemlösung steuerte. Jetzt gibt der Code keine Ausgabe mehr aus und dieses Schlüsselwort hat keine Funktion.

Veraltet seit Version 1.15.0: Dieses Schlüsselwort ist veraltet und wird aus SciPy 1.18.0 entfernt.

maxlsint, optional

Maximale Anzahl von Liniensuchschritten (pro Iteration). Standard ist 20.

finite_diff_rel_stepNone oder array_like, optional

Wenn jac in ['2-point', '3-point', 'cs'], dann die relative Schrittgröße, die für die numerische Approximation des Jacobi verwendet werden soll. Die absolute Schrittgröße wird berechnet als h = rel_step * sign(x) * max(1, abs(x)), möglicherweise angepasst, um in die Grenzen zu passen. Für method='3-point' wird das Vorzeichen von h ignoriert. Wenn None (Standard), wird die Schrittgröße automatisch ausgewählt.

workersint, map-ähnlicher aufrufbarer Typ, optional

Ein map-ähnlicher aufrufbarer Typ, wie z.B. multiprocessing.Pool.map, zur parallelen Auswertung von numerischen Differenzierungen. Diese Auswertung erfolgt als workers(fun, iterable).

Hinzugefügt in Version 1.16.0.

Hinweise

Die Option ftol ist über die Schnittstelle scipy.optimize.minimize zugänglich, aber das direkte Aufrufen von scipy.optimize.fmin_l_bfgs_b gibt factr direkt zurück. Die Beziehung zwischen den beiden ist ftol = factr * numpy.finfo(float).eps. D.h., factr multipliziert die Standard-Maschinengenauigkeit für Gleitkommazahlen, um ftol zu erhalten. Wenn die Minimierung nur langsam konvergiert, kann der Optimizer abbrechen, wenn die Gesamtzahl der Funktionsauswertungen maxfun überschreitet oder die Anzahl der Algorithmus-Iterationen maxiter erreicht (je nachdem, was zuerst eintritt). In diesem Fall ist result.success=False und eine entsprechende Fehlermeldung ist in result.message enthalten.