minimize(method=’CG’)

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

使用共軛梯度演算法最小化一個或多個變數的純量函數。

另請參閱

有關其餘參數的文件，請參閱 scipy.optimize.minimize

選項:

——-

dispbool

設定為 True 以印出收斂訊息。

maxiterint

要執行的最大迭代次數。

gtolfloat

梯度範數必須小於 gtol 才能成功終止。

normfloat

範數的階數 (Inf 為最大值，-Inf 為最小值)。

epsfloat 或 ndarray

如果 jac 為 None，則為透過正向差分法數值逼近 Jacobian 所使用的絕對步長。

return_allbool，選用

設定為 True 以傳回每次迭代中最佳解的列表。

finite_diff_rel_stepNone 或 array_like，選用

如果 jac in ['2-point', '3-point', 'cs']，則為用於數值逼近 Jacobian 的相對步長。絕對步長計算為 h = rel_step * sign(x) * max(1, abs(x))，可能會調整以符合邊界。對於 jac='3-point'，h 的符號會被忽略。如果為 None (預設值)，則會自動選取步長。

c1float，預設值: 1e-4

Armijo 條件規則的參數。

c2float，預設值: 0.4

曲率條件規則的參數。

註解

參數 c1 和 c2 必須滿足 0 < c1 < c2 < 1。