Я использую scipy.minimize, чтобы оптимизировать входные данные для моей функции.
У меня есть заданное количество бюджета/часов и 6 входных данных, которые я пытаюсь получить самый высокий доход от входного микса. Каждый из этих 6 входов имеет нелинейный возврат вогнутой формы. То есть каждая кривая отклика «насыщается» кривой, похожей на то, что вы видите на логиаримической кривой.
Моя проблема в том, что все это кажется очень чувствительным к Initial_guess значения, которые передаются.
Я провел 1000 симуляций случайных чисел для первоначального предположения. Я получил различные оптимизированные значения. Я думал, что буду постоянно получать один и тот же результат, но каждый раз он разный. Опять же, кривая отклика для всех них похожа на логарифмическую кривую.
Моя градиентная_функция верна, моя целевая_функция тоже.
Я просто не знаю, что не так или что я могу неправильно истолковать.
optimization = minimize(objective_function, initial_guess, method='SLSQP', jac=gradient_function, bounds=boundaries, constraints=[{'type': 'eq', 'fun': constraints_function}], options={'maxiter': maxiter})
Подробнее здесь: https://stackoverflow.com/questions/784 ... ized-value
