怎样用scipy求函数极值

在Scipy库中，有两个主要的功能可以用来寻找函数的极值：`optimize.minimize` 和 `optimize.fmin`。这两个函数都可以用来找到单峰或多峰优化问题的局部最小值。下面是一个基本的步骤：

1. 首先，导入`scipy.optimize`模块：

from scipy.optimize import minimize

2. 定义你想找极值的函数。例如，如果你想找出函数f(x)=x**2的最小值点，函数可以是这样的：

def function_to_minimize(x):
    return x**2

3. 决定优化算法，如梯度下降法（`'CG'` 或 `'BFGS'`），随机搜索（`'L-BFGS-B'`），或者直接搜索法（`'Nelder-Mead'`）。选择一个适合你的问题的算法。默认情况下，`minimize` 使用最合适的算法。

method = 'BFGS'  # 或其他选项，如'Nelder-Mead'

4. 设置起始点（`x0`）作为搜索的起点：

initial_guess = 0.0

5. 调用`minimize`函数，并传入上述信息：

solution = minimize(function_to_minimize, initial_guess, method=method)

6. 解决方案包含极值点及其评估值：

minimum_value = solution.fun
optimal_point = solution.x

7. 输出结果：

print(f"最小值: {minimum_value}")
print(f"极值点: {optimal_point}")