minimize(method=’Newton-CG’)

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 einer oder mehrerer Variablen mit dem Newton-CG-Algorithmus.

Beachten Sie, dass der Parameter jac (Jakobi-Matrix) erforderlich ist.

Siehe auch

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

Optionen:

——-

dispbool

Auf True setzen, um Konvergenz-Meldungen auszugeben.

xtolfloat

Der durchschnittliche relative Fehler in der Lösung xopt, der für die Konvergenz akzeptabel ist.

maxiterint

Maximale Anzahl durchzuführender Iterationen.

epsfloat oder ndarray

Wenn hessp angenähert wird, verwenden Sie diesen Wert für die Schrittgröße.

return_allbool, optional

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

c1float, Standard: 1e-4

Parameter für die Armijo-Bedingungsregel.

c2float, Standard: 0.9

Parameter für die Krümmungsbedingungsregel.

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 Parameter c1 und c2 müssen 0 < c1 < c2 < 1 erfüllen.