用Python求函数在闭区间上的最小值

import numpy as np

# 定义闭区间的起始点和终止点
start = 0
end = 1

# 定义离散点的个数
num_points = 100

# 生成离散点
points = np.linspace(start, end, num_points)

def func(x):
    return x**2

# 计算函数在离散点上的取值
values = func(points)

# 定义学习率
learning_rate = 0.1

# 定义迭代次数
num_iterations = 100

# 初始化参数的值
param = 0

# 迭代更新参数的值
for i in range(num_iterations):
    # 计算梯度
    gradient = 2 * (param - points) * (param - points)
    
    # 更新参数
    param = param - learning_rate * gradient

from scipy import optimize

# 定义待优化的函数
def func(x):
    return x**2

# 使用optimize.minimize_scalar函数求解最小值
result = optimize.minimize_scalar(func, bounds=(start, end), method='bounded')

# 最小值
min_value = result.fun