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。
本文介绍了如何使用Scipy库的minimize函数来实现距离最大化的逆问题,通过neg_dist函数的构建,演示了如何找到使距离减小到最小的角度。关键步骤包括定义dist函数,将其转换为最小化负距离,以及使用minimize函数求解。
1798

被折叠的 条评论
为什么被折叠?



