使用scipy的标量最小化(``minimize`‘vs `minimize_scalar`)

scipy是一个开源的科学计算库，提供了丰富的数学、科学和工程计算功能。其中的minimize和minimize_scalar函数都用于标量最小化问题，但在使用上有一些区别。

minimize函数用于求解多维标量最小化问题，可以处理多个自变量的情况。它的输入参数包括目标函数、初始猜测值、约束条件等。minimize函数使用的是优化算法，如BFGS、L-BFGS-B、SLSQP等，通过迭代优化来寻找最小值。这个函数适用于需要优化多个自变量的情况，比如参数估计、函数拟合等。

以下是minimize函数的一些常用参数：

fun：目标函数，即要最小化的函数。
x0：初始猜测值，即自变量的初始值。
method：优化算法的选择，可以是BFGS、L-BFGS-B、SLSQP等。
bounds：自变量的取值范围。
constraints：约束条件。
options：优化算法的其他参数。

minimize_scalar函数用于求解一维标量最小化问题，只能处理单个自变量的情况。它的输入参数包括目标函数、自变量的取值范围等。minimize_scalar函数使用的是一维优化算法，如Brent、Golden等，通过迭代优化来寻找最小值。这个函数适用于只有一个自变量的情况，比如函数的最小值点的搜索。

以下是minimize_scalar函数的一些常用参数：