如何用Python暴力法求解给定二元函数的全局最大值与最小值？

没问题！scipy.optimize.brute完全能搞定这个二元函数的全局最值求解，核心就是把你的函数适配成它需要的输入格式就行，我给你一步步拆解实现：

1. 先导入需要的库 #

import numpy as np
from scipy.optimize import brute, fmin

2. 定义目标函数 #

brute要求函数接受一个一维数组作为输入，数组里的元素对应各个变量（这里就是x和y）。你可以直接按这个格式定义函数：

def f(params):
    x, y = params
    # 把你的原函数表达式搬过来就行
    r1 = np.sqrt((x - 8)**2 + y**2)
    term1 = np.sin(r1) / r1
    r2 = np.sqrt((x + 8)**2 + y**2)
    term2 = 0.8 * np.sin(r2) / r2
    return term1 + term2

如果你想保留原来f(x,y)的写法，也可以用lambda快速包装一下：

def f(x, y):
    r1 = np.sqrt((x - 8)**2 + y**2)
    term1 = np.sin(r1) / r1
    r2 = np.sqrt((x + 8)**2 + y**2)
    term2 = 0.8 * np.sin(r2) / r2
    return term1 + term2

# 转成brute需要的单参数函数
f_for_brute = lambda params: f(params[0], params[1])

3. 运行暴力搜索找最值 #

找全局最小值 #

ranges参数用来指定每个变量的搜索区间，这里x和y都是[-20,20]；Ns是每个维度的采样点数，对应你原来的linspace(-20,20,1000)，所以设成1000就行：

# 定义搜索范围：x∈[-20,20]，y∈[-20,20]
search_ranges = ((-20, 20), (-20, 20))

# 运行brute，full_output=True会返回更多细节
min_result = brute(f, ranges=search_ranges, Ns=1000, full_output=True)
min_point, min_value, _, _ = min_result

print(f"全局最小值点：x={min_point[0]:.4f}, y={min_point[1]:.4f}")
print(f"全局最小值：{min_value:.4f}")

找全局最大值 #

brute默认是找最小值，要找最大值的话，只需要对原函数取反，搜索这个反函数的最小值，对应的就是原函数的最大值：

# 定义取反后的函数
def f_neg(params):
    return -f(params)

max_result = brute(f_neg, ranges=search_ranges, Ns=1000, full_output=True)
max_point, max_neg_value, _, _ = max_result
max_value = -max_neg_value

print(f"\n全局最大值点：x={max_point[0]:.4f}, y={max_point[1]:.4f}")
print(f"全局最大值：{max_value:.4f}")

4. 可选：用fmin细化结果 #

Brute是网格采样，精度取决于采样密度。如果需要更精准的极值点，可以用fmin在Brute找到的结果附近做局部优化：

# 细化最小值点
refined_min_point = fmin(f, min_point, disp=False)
refined_min_val = f(refined_min_point)

# 细化最大值点
refined_max_point = fmin(f_neg, max_point, disp=False)
refined_max_val = f(refined_max_point)

print(f"\n细化后全局最小值点：x={refined_min_point[0]:.6f}, y={refined_min_point[1]:.6f}")
print(f"细化后全局最小值：{refined_min_val:.6f}")
print(f"细化后全局最大值点：x={refined_max_point[0]:.6f}, y={refined_max_point[1]:.6f}")
print(f"细化后全局最大值：{refined_max_val:.6f}")

小提示 #

• 你的函数是两个sinc类函数（sin(r)/r）的组合，极值点大概在x=±8、y=0附近，Brute的1000点采样完全能覆盖到这些区域。
• Ns越大，网格越密，结果越准，但计算时间也会变长，1000x1000的网格大概是100万次函数调用，在普通电脑上几秒就能跑完。

内容的提问来源于stack exchange，提问作者trala