Netlogo本地優化

我想估計一個新產品的需求。客戶是代理商。每種產品都有3個變量需要根據購買情況進行優化。爲了找到使銷售最大化的最佳變量，我使用了局部優化算法，即梯度下降法。它的工作原理如下：Netlogo本地優化

1.定義重量，大小和價格的初始值。 2.搜索程序開始： dgradient是目標函數梯度的範數。 dx計算變量和新變量之間的差異。

while [dgradient > 0.00001 and numiter < 1000 and dxw > 0.00001 and dxs > 0.00001 and dxp > 0.00001] 

set weightnw weight - stepsize * (the gradient) 
set sizenw size - stepsize * (the gradient) 
setpricenw price - stepsize * (the gradient)

搜索過程，在附近產生新的變量，但我必須確保它們在範圍內。所以我定義這個while循環，以確保他們在範圍：

while [not(((weightnw <= 400) and (weightnw >= 100)) and ((sizenw >= 5) and sizenw <= 20)) and ((pricenw >= 20) and (pricenw <=90)))] 
set stepsize stepsize - 0.0001 
set weightnw weight - stepsize * (the gradient) 
set sizenw size - stepsize * (the gradient) 
setpricenw price - stepsize * (the gradient)

然後目標函數的計算，並與新變量的目標函數的值進行比較。

程序是否有意義？

由於

來源

2017-04-23 user7335938

如何計算梯度？爲什麼不使用重新啓動爬坡或某種搜索算法呢？請參閱http://ccl.northwestern.edu/netlogo/models/community/gradient – mattsap

另外，您遇到的問題是什麼？期望值是否被關閉？我*認爲*您可能會發現本地最小/最大值而不是全局值，但它確實取決於未顯示的其餘代碼。 – mattsap

的numanal延伸部包括用於優化多變量問題，包括單純形法和更深奧的方法如CMAES和BOBYQA幾種方法。他們確實允許設置界限。 NetLogo 6.0還沒有完全準備好（5.3版本有一個工作版本），但如果你認爲它可能有用，請告訴我，我可以發佈一個測試版。

Charles

來源

2017-04-25 01:55:35 Charles

Netlogo本地優化

回答

相關問題