为什么Scipy没有内置的函数最大值求解方法？

这一设计并非随机选择，主要有三方面的核心原因：

• 符合数值优化领域的通用惯例
  现代数值优化学科从发展之初就将最小化作为标准问题范式，梯度下降、牛顿法、拟牛顿法、单纯形法等所有经典优化算法的原始理论推导，都是以求解最小化问题为基准展开的。目前主流的学术论文、专业教材的公式表述也统一沿用了这一规范，SciPy作为严格遵循学术标准的科学计算工具，自然对齐了行业通用惯例。
• 覆盖绝大多数实际场景的需求
  工业界、科研场景中的绝大多数优化需求天然是最小化问题：比如机器学习中最小化损失函数、供应链场景中最小化运营成本、路径规划中最小化运输距离、信号处理中最小化噪声误差等。默认提供最小化求解能力，可以直接覆盖90%以上的常规使用需求，降低大多数用户的使用成本。
• 最大值和最小值的转换成本极低
  最大值求解可以无损耗转换为最小值求解：要得到函数f(x)的最大值，只需要对目标函数取负，求解-f(x)的最小值即可，得到的最优自变量和原问题完全一致，最优结果只需要对求解得到的最小值取反就能得到。对于库的开发维护方来说，不需要额外维护两套逻辑完全一致、仅符号相反的接口，能大幅降低维护成本，也不会给需要求解最大值的用户带来过高的使用负担。

内容的提问来源于stack exchange，提问作者KavG