scipy.optimize.

优化结果

class scipy.optimize.OptimizeResult

表示优化结果。

属性:

xndarray

优化问题的解。

成功布尔

优化器是否成功退出。

状态整数

优化器的终止状态。其值取决于底层求解器。详情请参阅 message。

消息str

终止原因的描述。

fun, jac, hess: ndarray

目标函数的值、其雅可比矩阵及其海森矩阵（如果可用）。海森矩阵可能是近似值，请参阅相关函数的文档。

hess_inv对象

目标函数的 Hessian 矩阵的逆；可能是一个近似值。并非所有求解器都可用。此属性的类型可以是 np.ndarray 或 scipy.sparse.linalg.LinearOperator。

nfev, njev, nhev整数

目标函数及其雅可比矩阵和海森矩阵的评估次数。

nit整数

优化器执行的迭代次数。

maxcv浮动

最大约束违反。

方法

__getitem__	x.__getitem__(y) <==> x[y]
__len__(/)	返回 len(self)。
clear()
copy()
fromkeys(iterable[, value])	使用可迭代对象中的键创建一个新字典，并将值设置为指定的值。
get(key[, default])	如果字典中存在键，则返回键的值，否则返回默认值。
items()
keys()
pop(key[, default])	如果未找到键，则返回给定的默认值；否则，引发 KeyError。
popitem(/)	移除并返回一个 (键, 值) 对作为 2-tuple。
setdefault(key[, default])	如果字典中不存在键，则插入键并赋予默认值。
update([E, ]**F)	如果 E 存在且有 .keys() 方法，则执行： for k in E: D[k] = E[k] 如果 E 存在但没有 .keys() 方法，则执行： for k, v in E: D[k] = v 在任何一种情况下，之后都会执行： for k in F: D[k] = F[k]
values()

注释

根据所使用的具体求解器，OptimizeResult 可能不具备此处列出的所有属性，并且可能具有此处未列出的其他属性。由于此类本质上是一个带有属性访问器的字典子类，因此可以使用 OptimizeResult.keys 方法查看哪些属性可用。