python minimize 入参

`minimize` 是 SciPy 库中优化模块（scipy.optimize）提供的一个函数，用于求解最小化问题。它可以找到函数的局部最小值，或全局最小值（通过设置选项）。`minimize` 函数的常见用法如下：

from scipy.optimize import minimize

result = minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None,
                  bounds=None, constraints=(), tol=None, callback=None, options=None)

参数说明：
- `fun`：需要最小化的函数，它应该接受一个数组作为输入，并返回一个标量值。
- `x0`：表示初始猜测点，是一个数组或者序列。
- `args`：传递给目标函数的额外参数，以元组的形式提供。
- `method`：指定优化算法。常见的方法有 'Nelder-Mead', 'Powell', 'CG', 'BFGS', 'Newton-CG', 'Anneal', 'L-BFGS-B', 'TNC', 'COBYLA', 'SLSQP', 'trust-constr', 'dogleg', 'trust-ncg', 'trust-exact', 'trust-krylov'。
- `jac`：目标函数的梯度（导数），可以是布尔值、函数或None。
- `hess`：目标函数的二阶导数矩阵（Hessian）。
- `hessp`：用于计算Hessian乘以任意向量的函数。
- `bounds`：表示变量的边界，通常用于有界优化问题，是一个序列，每个元素是一个元组，表示一个变量的下界和上界。
- `constraints`：表示约束条件，可以是多种类型，如等式、不等式约束或变量边界。
- `tol`：算法的容忍度或停止标准。
- `callback`：一个在优化过程中调用的函数，例如用于调试。
- `options`：一个字典，用于设置特定方法的选项。

`minimize` 函数返回一个OptimizeResult对象，其中包含了优化过程的详细信息，如结果状态、最优解、目标函数值、迭代次数、计算时间等。