Netlogo本地优化

我想估计一个新产品的需求。客户是代理商。每种产品都有3个变量需要根据购买情况进行优化。为了找到使销售最大化的最佳变量，我使用了局部优化算法，即梯度下降法。它的工作原理如下：Netlogo本地优化

1.定义重量，大小和价格的初始值。 2.搜索程序开始： dgradient是目标函数梯度的范数。 dx计算变量和新变量之间的差异。

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)

搜索过程，在附近产生新的变量，但我必须确保它们在范围内。所以我定义这个while循环，以确保他们在范围：

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)

然后目标函数的计算，并与新变量的目标函数的值进行比较。

程序是否有意义？

由于

来源

2017-04-23 user7335938

如何计算梯度？为什么不使用重新启动爬坡或某种搜索算法呢？请参阅http://ccl.northwestern.edu/netlogo/models/community/gradient – mattsap

另外，您遇到的问题是什么？期望值是否被关闭？我*认为*您可能会发现本地最小/最大值而不是全局值，但它确实取决于未显示的其余代码。 – mattsap

的numanal延伸部包括用于优化多变量问题，包括单纯形法和更深奥的方法如CMAES和BOBYQA几种方法。他们确实允许设置界限。 NetLogo 6.0还没有完全准备好（5.3版本有一个工作版本），但如果你认为它可能有用，请告诉我，我可以发布一个测试版。

Charles

来源

2017-04-25 01:55:35 Charles

Netlogo本地优化

回答

相关问题