关于optimization中最优值的minimize方法返回值的说明

import numpy as np
from scipy.optimize import minimize

# 定义一个简单的目标函数,例如 f(x) = (x-3)^2
def objective_function(x):
    return (x - 3) ** 2

# 初始猜测
initial_guess = [0]

# 使用 minimize 优化
result = minimize(objective_function, initial_guess)

# 输出结果
print("最优解(result.x):", result.x)
print("最小函数值(result.fun):", result.fun)
print("优化成功吗?(result.success):", result.success)
print("结束原因(result.message):", result.message)
print("迭代次数(result.nit):", result.nit)
print("函数调用次数(result.nfev):", result.nfev)

打印内容:
最优解(result.x): [2.99999998]
最小函数值(result.fun): 2.5388963550532293e-16
优化成功吗?(result.success): True
结束原因(result.message): Optimization terminated successfully.
迭代次数(result.nit): 2
函数调用次数(result.nfev): 6

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值