scipy.optimize.

linearmixing

scipy.optimize.linearmixing(F, xin, iter=None, alpha=None, 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)

使用純量 Jacobian 近似法，尋找函數的根。

警告

此演算法可能對特定問題有用，但其是否有效可能很大程度上取決於問題。

參數:

Ffunction(x) -> f

要尋找根的函數；應接受並返回類陣列物件。

xinarray_like

解的初始猜測值

alphafloat, optional

Jacobian 近似值為 (-1/alpha)。

iterint, optional

要進行的迭代次數。 如果省略（預設），則進行達到公差所需次數。

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

殘差的絕對公差（以最大範數）。 如果省略，預設值為 6e-6。

f_rtolfloat, optional

殘差的相對公差。 如果省略，則不使用。

x_tolfloat, optional

絕對最小步長，由 Jacobian 近似值決定。 如果步長小於此值，則優化將終止並視為成功。 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

用於收斂檢查的範數。 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 Jacobian 近似值給定方向上的步長。 預設為 ‘armijo’。

callbackfunction, optional

可選的回呼函數。 它在每次迭代時都會被呼叫為 callback(x, f)，其中 x 是目前解，而 f 是對應的殘差。

回傳值:

solndarray

一個陣列（與 x0 具有相似的陣列類型），包含最終解。

引發:

NoConvergence

當找不到解時。

另請參閱

root

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