scipy.optimize.

golden#

scipy.optimize.golden(func, args=(), brack=None, tol=1.4901161193847656e-08, full_output=0, maxiter=5000)[原始碼]#

使用黃金分割法 (golden section method) 返回單變數函數的極小值。

給定一個單變數函數和可能的括號區間 (bracketing interval)，返回函數的極小值，其隔離到 tol 的小數精度。

參數：:

funccallable func(x,*args): 要最小化的目標函數。
argstuple, optional: 要傳遞給 func 的額外參數（如果有的話）。
bracktuple, optional: 三元組 (xa, xb, xc)，其中 xa < xb < xc 且 func(xb) < func(xa) and func(xb) < func(xc)，或一對 (xa, xb) 用作下坡括號搜尋 (downhill bracket search) 的初始點（請參閱 scipy.optimize.bracket）。極小值 x 不一定滿足 xa <= x <= xb。
tolfloat, optional: x 容忍度停止準則 (x tolerance stop criterion)
full_outputbool, optional: 如果為 True，則返回可選的輸出。
maxiterint: 要執行的最大迭代次數。

返回：:

xminndarray: 最佳點 (Optimum point)。
fvalfloat: （可選輸出）最佳函數值 (Optimum function value)。
funcallsint: （可選輸出）目標函數評估的次數。

另請參閱

minimize_scalar: 用於純量單變數函數的最小化演算法介面。請參閱特別是「黃金分割法 (Golden)」方法。

註解

使用二分法 (bisection method) 的類比來縮小括號區間。

範例

我們說明當 brack 的大小分別為 2 和 3 時，函數的行為。在 brack 形式為 (xa,xb) 的情況下，我們可以觀察到對於給定值，輸出不一定需要位於範圍 (xa, xb) 內。

>>> def f(x):
...     return (x-1)**2

>>> from scipy import optimize

>>> minimizer = optimize.golden(f, brack=(1, 2))
>>> minimizer
1
>>> res = optimize.golden(f, brack=(-1, 0.5, 2), full_output=True)
>>> xmin, fval, funcalls = res
>>> f(xmin), fval
(9.925165290385052e-18, 9.925165290385052e-18)