ulab.scipy.optimize

ulab.scipy.optimize.bisect(fun: Callable[[float], float], a: float, b: float, *, xtol: float = 2.4e-07, maxiter: int = 100) → float

参数

• f (callable) – 要平分的函数

• a (float) – 区间的左侧

• b (float) – 区间的右侧

• xtol (float) – 公差值

• maxiter (float) – 要执行的最大迭代次数

使用二分法f(x) 在区间 (a..``b``)上找到函数的解（零）。 xtol除非需要多个 maxiter 步骤，否则结果是精确到内部的 。

ulab.scipy.optimize.fmin(fun: Callable[[float], float], x0: float, *, xatol: float = 2.4e-07, fatol: float = 2.4e-07, maxiter: int = 200) → float

参数

• f (callable) – 要平分的函数

• x0 (float) – 初始 x 值

• xatol (float) – 绝对公差值

• fatol (float) – 相对容差值

f(x) 使用下坡单纯形法找到函数的最小值。定位x 在 fxtol 实际最小值之内，并且 f(x) 在 fatol 实际最小值之内，除非需要更多 maxiter 步骤。

ulab.scipy.optimize.newton(fun: Callable[[float], float], x0: float, *, xtol: float = 2.4e-07, rtol: float = 0.0, maxiter: int = 50) → float

参数

• f (callable) – 要平分的函数

• x0 (float) – 初始 x 值

• xtol (float) – 绝对公差值

• rtol (float) – 相对容差值

• maxiter (float) – 要执行的最大迭代次数

f(x)使用牛顿法找到函数的解（零）。除非需要多个步骤，否则 结果是精确到内部的。xtol * rtol * |f(x)| maxiter