scipy.optimize实例

好的，这里给您提供一个 `scipy.optimize` 的实例代码，它可以用于求解 Rosenbrock 函数的最小值：

import numpy as np
from scipy.optimize import minimize

# 定义 Rosenbrock 函数
def rosenbrock(x):
    return np.sum(100.0 * (x[1:] - x[:-1]**2)**2 + (1 - x[:-1])**2)

# 随机初始化变量
x0 = np.random.rand(10)

# 使用 BFGS 方法求解 Rosenbrock 函数的最小值
res = minimize(rosenbrock, x0, method='BFGS', options={'disp': True})

# 输出结果
print(res)

在这个例子中，我们首先定义了 Rosenbrock 函数，然后随机初始化了一个长度为 10 的变量向量 `x0`。接着，我们使用 `minimize` 函数来求解 Rosenbrock 函数的最小值，其中选择了 BFGS 优化方法，并通过 `options` 参数指定了打印优化过程的信息。最后，我们输出了最小化结果。

需要注意的是，`minimize` 函数的第一个参数是目标函数，第二个参数是变量向量，而后面的参数则是可选的。在这个例子中，我们选择了 BFGS 方法进行优化，如果需要使用其他方法，可以在 `method` 参数中指定，例如：`method='Nelder-Mead'`。