描述 该项目实现了两种不同的一维优化方法，牛顿法和梯度下降法。 牛顿法 牛顿法是一种求根算法，可以对实值函数的根（或零）连续产生更好的近似值。 在该项目中，我对输入函数的一阶导数实施牛顿方法，以识别输入函数的潜在最小和最大值。 牛顿法由下面的函数递归定义。 梯度下降 当二阶导数为正数时，牛顿法效果很好，但是当二阶导数为负数时，牛顿法有时无法收敛。 梯度下降是一种更有效的优化算法，它朝最大减小方向迈进，直到收敛到最小。 步长基于学习率，该学习率是使用从python包scipy导入的一维优化函数找