स्केलर फ़ंक्शन का न्यूनतम खोजना एक ऑप्टिमाइजेशन समस्या है। ऑप्टिमाइजेशन समस्याएं समाधान की गुणवत्ता में सुधार करने में मदद करती हैं, जिससे उच्च प्रदर्शन के साथ बेहतर परिणाम प्राप्त होते हैं। ऑप्टिमाइजेशन समस्याओं का उपयोग कर्व फिटिंग, रूट फिटिंग, और इसी तरह के लिए भी किया जाता है।
आइए एक उदाहरण देखते हैं -
उदाहरण
import matplotlib.pyplot as plt
from scipy import optimize
import numpy as np
print("फ़ंक्शन परिभाषित है")
def my_func(a):
return a*2 + 20 * np.sin(a)
plt.plot(a, my_func(a))
print("ग्राफ प्लॉट हो रहा है")
plt.show()
print(optimize.fmin_bfgs(my_func, 0))आउटपुट
Optimization terminated successfully.
Current function value: -23.241676
Iterations: 4
Function evaluations: 18
Gradient evaluations: 6
[-1.67096375]व्याख्या
- आवश्यक पैकेज आयात किए गए हैं।
- एक फ़ंक्शन परिभाषित किया गया है जो डेटा उत्पन्न करता है।
- इस डेटा को matplotlib लाइब्रेरी का उपयोग करके ग्राफ पर प्लॉट किया जाता है।
- अगला, फ़ंक्शन को पैरामीटर के रूप में पास करके 'fmin_bfgs' फ़ंक्शन का उपयोग किया जाता है।
- यह डेटा कंसोल पर प्रदर्शित होता है।
