最小化函数minimize

minimize 函数

我们先看问题

根据公式，定义一下dist函数

from scipy.optimize import minimize

def dist(xita, v0):
    g = 9.8
    xita_r = np.pi * xita / 180
    return 2 * v0**2 / g * np.sin(xita_r) * np.cos(xita_r)

xita = np.linspace(0, 90, 90)
p = plt.plot(xita, dist(xita, 1))
plt.xlabel("xita")
plt.ylabel("honrizon")

因为 Scipy 提供的是最小化方法，所以最大化距离就相当于最小化距离的负数：

def neg_dist(xita, v0):
    return -1 * dist(xita, v0)

result = minimize(neg_dist, 0, args = (1, ))
print(result)

minimize 接受三个参数：第一个是要优化的函数，第二个是初始猜测值，第三个则是优化函数的附加参数，默认 minimize 将优化函数的第一个参数作为优化变量，所以第三个参数输入的附加参数从优化函数的第二个参数开始。

x[0]即为所求。