Python：使用scipy优化最小化并不会最小化函数

我是Python新手，我试着弄清楚每件事是如何工作的。我对scipy.optimize包的最小化函数有一个小问题。我试图用一些起始值最小化给定函数，但python给了我非常高的参数值。 这是我的简单代码：

import numpy as np
from scipy.optimize import minimize
global array
y_wert = np.array([1,2,3,4,5,6,7,8])
global x_wert
x_wert = np.array([1,2,3,4,5,6,7,8])
def Test(x):
    Summe = 0
    for i in range(0,len(y_wert)):
        Summe = Summe + (y_wert[i] - (x[0]*x_wert[i]+x[1]))
    return(Summe)
x_0 = [1,0]
xopt = minimize(Test,x_0, method='nelder-mead',options={'xatol': 1e-8, 'disp': True})
print(xopt)

如果运行此脚本，最佳给定参数为：

[1.02325529e+44, 9.52347084e+40]

这并不能解决这个问题。我也尝试了一些稍微不同的StartValue，但这并不能解决我的问题。 谁能给我一个线索，说明我的错误在哪里？

---

非常感谢你的帮助

您的测试函数实际上是一条带负梯度的直线，因此没有最小值，它是一个无限递减函数，这解释了您的大结果，请尝试类似于x平方的方法，而不是

您希望最小化和的绝对值。您的代码将负和最小化为-∞. 在

Test

do:

return（abs（Summe））

。还可以看看输出的消息，它通常是非常有价值的信息。在解释结果之前，

success

字段需要检查。