我的理解是，在对minimize的方法调用中，tol表示完成优化所需的代价函数中的最小差值（即，fun（方法调用中的第一个参数）返回的任何值的差值）。
scipy.optimize.minimize(fun, x0, args=(),
method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(),
tol=None, callback=None, options=None)然而，我显然错了，因为当我设置tol = 1E-3，并在每次迭代时打印fun的值时，我看到了以下内容：
0.3078
0.3074
...tol代表什么？
特定的优化算法还具有另一个称为xtol的参数，其为
xtol：float收敛可接受的解xopt中的平均相对误差。
例如，请参见：
http://docs.scipy.org/doc/scipy/reference/optimize.minimize-newtoncg.html#minimize-method-newton-cg
那么xtol和tol代表什么呢？它们有什么区别呢？
1条答案
按热度按时间mzaanser1#
很晚了，但放弃了一个答案，希望它能帮助别人以后。
在任何优化调用过程中，都可以定义（控制）多个公差。Tol、ftol、xtol、catol和其他多个公差。通常，您可以从这些变量中推断出以下内容：
根据您正在解决的问题和所涉及的目标/约束条件，每个问题都有其重要性。