scipy.optimize.

excitingmixing

scipy.optimize.excitingmixing(F, xin, iter=None, alpha=None, alphamax=1.0, verbose=False, maxiter=None, f_tol=None, f_rtol=None, x_tol=None, x_rtol=None, tol_norm=None, line_search='armijo', callback=None, **kw)

使用調整後的對角雅可比矩陣近似，尋找函數的根。

雅可比矩陣是對角的，並在每次迭代中進行調整。

警告

此演算法可能適用於特定問題，但它是否有效可能很大程度上取決於問題本身。

參數:

Ffunction(x) -> f

要尋找根的函數；應接受並返回類似陣列的物件。

xinarray_like

解的初始猜測值

alphafloat, optional

初始雅可比矩陣近似值為 (-1/alpha)。

alphamaxfloat, optional

對角雅可比矩陣的條目保持在 [alpha, alphamax] 範圍內。

iterint, optional

要進行的迭代次數。 如果省略（預設），則進行達到容忍度所需的次數。

verbosebool, optional

在每次迭代時將狀態列印到 stdout。

maxiterint, optional

要進行的最大迭代次數。 如果需要更多次迭代才能達到收斂，則會引發 NoConvergence。

f_tolfloat, optional

殘差的絕對容忍度（以最大範數表示）。 如果省略，則預設為 6e-6。

f_rtolfloat, optional

殘差的相對容忍度。 如果省略，則不使用。

x_tolfloat, optional

絕對最小步長，由雅可比矩陣近似值決定。 如果步長小於此值，則優化終止並視為成功。 如果省略，則不使用。

x_rtolfloat, optional

相對最小步長。 如果省略，則不使用。

tol_normfunction(vector) -> scalar, optional

在收斂檢查中使用的範數。 預設值為最大範數。

line_search{None, ‘armijo’ (預設), ‘wolfe’}, optional

要使用哪種類型的線搜索來確定雅可比矩陣近似值給定方向上的步長。 預設為 ‘armijo’。

callbackfunction, optional

可選的回呼函數。 它在每次迭代時以 callback(x, f) 的形式呼叫，其中 x 是當前解，而 f 是對應的殘差。

返回:

solndarray

一個陣列（與 x0 具有相似陣列類型），包含最終解。

引發:

NoConvergence

當找不到解時。

參見

root

多變數函數尋根演算法的介面。 特別參見 method='excitingmixing'。