Python SciPy optimize.golden用法及代码示例

本文简要介绍 python 语言中 scipy.optimize.golden 的用法。

用法:

scipy.optimize.golden(func, args=(), brack=None, tol=1.4901161193847656e-08, full_output=0, maxiter=5000)#

使用黄金分割法返回一个变量的函数的最小值。

给定一个由一个变量组成的函数和一个可能的括号区间，返回该函数的最小化值，该函数的小数精度为 tol。

参数 ：：

func： 可调用函数(x,*args)

最小化的目标函数。

args： 元组，可选

附加参数(如果存在)，传递给 func。

brack： 元组，可选

三元组 (xa, xb, xc) 其中 xa < xb < xc 和 func(xb) < func(xa) and  func(xb) < func(xc) ，或一对 (xa, xb) 用作下坡括号搜索的初始点(请参阅 scipy.optimize.bracket )。最小化器 x 不一定满足 xa <= x <= xb 。

tol： 浮点数，可选

x 公差停止标准

full_output： 布尔型，可选

如果为真，则返回可选输出。

maxiter： int

要执行的最大迭代次数。

返回 ：：

xmin： ndarray

最佳点。

fval： 浮点数

(可选输出)最优函数值。

funcalls： int

(可选输出)进行的目标函数评估次数。

注意：

使用二等分法的模拟来减少括号内的间隔。

例子：

我们说明函数的行为布拉克大小分别为 2 和 3。在这种情况下布拉克的形式为 (xa,xb)，我们可以看到对于给定的值，输出不一定位于范围内(xa, xb).

>>> def f(x):
...     return (x-1)**2

>>> from scipy import optimize

>>> minimizer = optimize.golden(f, brack=(1, 2))
>>> minimizer
1
>>> res = optimize.golden(f, brack=(-1, 0.5, 2), full_output=True)
>>> xmin, fval, funcalls = res
>>> f(xmin), fval
(9.925165290385052e-18, 9.925165290385052e-18)