minimize(method=’COBYQA’)#
- 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 Constrained Optimization BY Quadratic Approximations (COBYQA) 演算法 [1]，最小化一個或多個變數的純量函數。
在 1.14.0 版本中新增。
參見
有關其餘參數的文件，請參閱
scipy.optimize.minimize- 選項:
- ——-
- dispbool
設定為 True 以印出關於最佳化程序的資訊。預設值為
False。- maxfevint
函數評估的最大次數。預設值為
500 * n，其中n為變數的數量。- maxiterint
最大迭代次數。預設值為
1000 * n，其中n為變數的數量。- f_targetfloat
目標函數值。當可行點（請參閱下方的 feasibility_tol）的目標函數值小於或等於此目標值時，最佳化程序將終止。預設值為
-numpy.inf。- feasibility_tolfloat
約束違反的絕對容忍度。預設值為
1e-8。- initial_tr_radiusfloat
初始信任域半徑。通常，此值應為變數預期最大變更量的十分之一左右。預設值為
1.0。- final_tr_radiusfloat
最終信任域半徑。它應指示變數最終值所需的準確度。如果提供此選項，則此選項將覆蓋
minimize函數中 tol 的值。預設值為1e-6。- scalebool
設定為 True 以根據邊界縮放變數。如果為 True 且所有下限和上限都是有限的，則變數將縮放到 \([-1, 1]\) 範圍內。如果任何下限或上限是無限的，則不會縮放變數。預設值為
False。
參考文獻
[1]