python解非线性规划问题讲析_非线性规划（scipy.optimize.minimize）

1、minimize() 函数介绍

在 python 里用非线性规划求极值，最常用的就是 scipy.optimize.minimize()。

[官方介绍点这里](Constrained minimization of multivariate scalar functions)

使用格式是：

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

其中：

fun：目标函数，返回单值，

x0：初始迭代值，

args：要输入到目标函数中的参数

method：求解的算法，目前可选的有

‘Nelder-Mead’

‘Powell’

‘CG’

‘BFGS’

‘Newton-CG’

‘L-BFGS-B’

‘TNC’

‘COBYLA’

‘SLSQP’

‘dogleg’

‘trust-ncg’

以及在 version 0.14.0，还能自定义算法

以上算法的解释和相关用法见 minimize 函数的官方说明文档，一般求极值多用 'SLSQP'算法

jac：目标函数的雅可比矩阵。可选项，仅适用于CG，BFGS，Newton-CG