scipy.optimize.

fminbound#

scipy.optimize.fminbound(func, x1, x2, args=(), xtol=1e-05, maxfun=500, full_output=0, disp=1)[源代码][源代码]#

标量函数的边界最小化。

参数:

函数可调用函数 f(x,*args)

要最小化的目标函数（必须接受并返回标量）。

x1, x2浮点数或数组标量

有限优化边界。

参数tuple, 可选

传递给函数的额外参数。

xtolfloat, 可选

收敛容差。

maxfunint, 可选

允许的最大函数评估次数。

完整输出bool, 可选

如果为真，返回可选输出。

dispint, 可选

如果非零，打印消息。: 0 : 不打印消息。1 : 仅打印非收敛通知消息。2 : 收敛时也打印消息。3 : 打印迭代结果。

返回:

xoptndarray: 在给定区间内使目标函数最小的参数。
fval数字: (可选输出) 在最小化点处评估的函数值。
ierr整数: (可选输出) 一个错误标志 (0 如果收敛, 1 如果达到最大函数调用次数)。
numfunc整数: (可选输出) 函数调用的次数。

参见

minimize_scalar: 用于标量单变量函数的最小化算法的接口。特别参见 ‘Bounded’ 方法。

注释

使用 Brent 方法在区间 x1 < xopt < x2 内找到标量函数 func 的局部最小值。（参见 brent 以自动确定区间。）

参考文献

[1]

Forsythe, G.E., M. A. Malcolm, 和 C. B. Moler. “计算机方法在数学计算中的应用.” Prentice-Hall 自动计算系列 259 (1977).

[2]

Brent, Richard P. 《无导数最小化算法》. Courier Corporation, 2013.

示例

fminbound 在给定范围内找到函数的最小值。以下示例说明了这一点。

>>> from scipy import optimize
>>> def f(x):
...     return (x-1)**2
>>> minimizer = optimize.fminbound(f, -4, 4)
>>> minimizer
1.0
>>> minimum = f(minimizer)
>>> minimum
0.0
>>> res = optimize.fminbound(f, 3, 4, full_output=True)
>>> minimizer, fval, ierr, numfunc = res
>>> minimizer
3.000005960860986
>>> minimum = f(minimizer)
>>> minimum, fval
(4.000023843479476, 4.000023843479476)