本文主要是介绍python 中的 scipy.optimize 最优化功能的一些不足，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
python 中的 scipy 也有最优化的功能，体现在里面的 optimize 中，自己简单使用了下，发现它具有以下缺点：
- 优化算法比较少，有信頼域、单纯形法、BFGS算法等，能够满足不少常规函数的求解，但相对于 matlab 来说还是少的
- 求解带约束的优化时，还需自己定义一阶导数，黑塞矩阵等，这一点很不方便。像 Matlab 只需输入函数就行，不需要你自己再输入一阶导数、黑塞矩阵。而 scipy 中求解带约束的优化问题时，需要自己计算出一阶导数或二阶导数后，再输入
跟专业的优化软件 Matlab， Lingo 等还有不少差距。
这篇关于python 中的 scipy.optimize 最优化功能的一些不足的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
