minimize(method=’SLSQP’)

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

使用循序最小平方規劃 (SLSQP) 最小化一個或多個變數的純量函數。

參見

有關其餘參數的文件，請參閱 scipy.optimize.minimize

選項:

——-

ftolfloat

停止準則中 f 值的精確度目標。

epsfloat

用於 Jacobian 數值逼近的步長。

dispbool

設定為 True 以列印收斂訊息。如果為 False，則忽略 verbosity 並將其設定為 0。

maxiterint

最大迭代次數。

finite_diff_rel_stepNone 或 array_like，可選

如果 jac in ['2-point', '3-point', 'cs']，則用於 jac 數值逼近的相對步長。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 method='3-point'，h 的符號會被忽略。如果為 None（預設），則自動選擇步長。