计算机求最值的方法有多种，以下是一些常见的方法：
线性搜索法
方法描述：遍历待求最值的数据集，逐个比较并更新最值变量。
适用场景：适用于数据规模较小的情况。
时间复杂度：O（n）。
二分搜索法
方法描述：适用于有序数据集，通过比较中间元素与目标值的大小关系，将搜索范围缩小一半，逐步逼近最值。
适用场景：适用于较大规模的数据集。
时间复杂度：O（log n）。
动态规划法
方法描述：适用于具有重叠子问题和最优子结构性质的问题，通过将问题分解为若干子问题，然后通过递归或迭代求解子问题，最后得到最值。
适用场景：适用于某些问题可以得到最优解。
时间复杂度和空间复杂度：较高。
贪心算法
方法描述：每一步都选择当前最优解，最终得到的结果可能不是全局最优解。
适用场景：适用于某些特定问题。
时间复杂度：较低，但需要证明其正确性。
分治法
方法描述：将问题分解为若干个规模较小的子问题，然后递归地求解子问题，并将子问题的解合并得到原问题的解。
适用场景：常用于解决规模较大的问题。
时间复杂度：较高。
排序法
方法描述：对数据进行排序，然后取排序后的第一个或最后一个元素作为最值。
适用场景：适用于数据规模较大的情况。
时间复杂度：O（n log n）。
图像法
方法描述：通过导函数图像找出导函数值在不同区间内的取值范围（正或负），然后由导函数值的符号推导出原函数的单调性，进而求出极值与最值。
适用场景：适用于函数极值与最值的求法。
数值方法
方法描述：利用计算机表示的浮点数的特性，通过数值计算求出最值。
适用场景：适用于需要高精度计算的场景。
实际应用示例
示例1：求一组数的最大值和最小值
```python
def find_min_max（nums）:
_min = nums
_max = nums
for i in nums:
if i < _min:
_min = i
if i > _max:
_max = i
return _min, _max
示例数据
nums = [3, 1, 2, 4, 5]
min_value, max_value = find_min_max（nums）
print（"最小值：", min_value）
print（"最大值：", max_value）
```
示例2：使用Excel求最大值和最小值
1. 打开Excel，输入一些数据。
2. 在最大值一栏输入函数 `=MAX（B2:B10）`，意思是计算B2单元格到B10单元格的最大值。
3. 按下回车确认，可以看到已经显示出最大值了。
4. 在最小值一栏输入函数 `=MIN（B2:B10）`，意思是计算B2单元格到B10单元格的最小值。
5. 按下回车确认，可以看到最小值已经计算出来了。
总结
选择哪种方法求最值取决于具体问题的规模、性质以及是否需要最优解。对于小规模数据，线性搜索或排序法可能已经足够；对于大规模数据，二分搜索或动态规划法可能更合适；对于特定问题，贪心算法或分治法可能更有效。