函数优化实战

怼烎@ 2021-11-23 23:38 227阅读 0赞

目录

*  Himmelblau function
 *  Minima
 *  Plot
 *  Gradient Descent

# Himmelblau function #

*  \\(f(x,y)=(x^2+y-11)^2+(x+y^2-7)^2\\)

![26-函数优化实战-2函数图像.jpg][26-_-2_.jpg]

# Minima #

*  f(3.0,2.0)=0.0
 *  f(-2.8,3.1)=0.0
 *  f(-3.7,-3.2)=0.0
 *  f(3.5,-1.84)=0.0

# Plot #

import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D

def himmeblau(x): return (x[0]**2 + x[1] - 11)**2 + (x[0] + x[1]**2 - 7)**2 x = np.arange(-6, 6, 0.1) y = np.arange(-6, 6, 0.1) print(f'x_shape: {x.shape},y_shape: {y.shape}') # 生成坐标点 X, Y = np.meshgrid(x, y) print(f'X_shape: {X.shape},Y_shape: {Y.shape}') Z = himmeblau([X, Y]) fig = plt.figure('himmelblau') ax = Axes3D(fig) ax.plot_surface(X, Y, Z) ax.view_init(60, -30) ax.set_xlabel('x') ax.set_ylabel('y') plt.show()

x_shape: (120,),y_shape: (120,)
    X_shape: (120, 120),Y_shape: (120, 120)

![png][]

# Gradient Descent #

import tensorflow as tf

x = tf.constant([-4.,0.]) for step in range(200): with tf.GradientTape() as tape: tape.watch([x]) y = himmeblau(x) grads = tape.gradient(y,[x])[0] x -= 0.01 * grads if step % 20 == 0: print(f'step: {step}, x: {x}, f(x): {y}')

step: 0, x: [-2.98       -0.09999999], f(x): 146.0
    step: 20, x: [-3.6890159 -3.1276689], f(x): 6.054703235626221
    step: 40, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 60, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 80, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 100, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 120, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 140, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 160, x: [-3.7793102 -3.283186 ], f(x): 0.0
    step: 180, x: [-3.7793102 -3.283186 ], f(x): 0.0

转载于:https://www.cnblogs.com/nickchen121/p/10915301.html

[26-_-2_.jpg]: /images/20211122/abed6734a47047eca945225ca89b9ad9.png
[png]: /images/20211122/c9efaec06bc242d8a9e1ccd9e0c4a757.png

发表评论取消回复

表情：

评论列表（有 0 条评论，227人围观）

还没有评论，来说两句吧...

相关阅读

相关深度学习优化函数优化函数

![1598479-20190918171750841-25124104.png][] 转载于:https://www.cnblogs.com/yunshangyue7

约定不等于承诺〃/ 2023年08月17日 16:07/ 0 赞/ 144 阅读

相关 MySQL索引优化实战

mark：今天同事提到了索引的优化，自己感觉挺模糊，去网上找到一篇挺不错的文章，记录一下~ 原文：[http://www.mamicode.com/info-detail-2

我会带着你远行/ 2022年10月26日 14:15/ 0 赞/ 212 阅读

相关 SQL优化（三）:SQL优化实战

前两节基本是讲了SQL优化重要的工具大概思路，你连explain都看不明白，遇到慢查询一个SQL执行半天的情况，估计优化起来肯定无处着手。这节主要是SQL优化的具体实战，常

小灰灰/ 2022年10月19日 04:18/ 0 赞/ 278 阅读

相关索引优化实战二

一不要在索引列上做任何计算不在索引列上做任何操作（计算、函数、(自动 or 手动)类型转换），会导致索引失效而转向全表扫描。二实战等号左边

短命女/ 2022年09月12日 02:53/ 0 赞/ 217 阅读

相关索引优化实战一

一防止索引失效口诀 ![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAY2hlbmdxaX

╰半橙微兮°/ 2022年09月12日 02:53/ 0 赞/ 231 阅读

相关索引优化实战七

一 like 的前后模糊匹配 like 以通配符开头（'%abc...'），mysql 索引失效会变成全表扫描的操作。二实战 % 作为 like 的

水深无声/ 2022年08月28日 13:46/ 0 赞/ 221 阅读

相关 Mysql函数实战

1.group\_concat 场景:一对多的查询,电影有多个类型,把多个类型拼装到一条电影语句查询里面 ![这里写图片描述][2016120610114446

古城微笑少年丶/ 2022年07月14日 09:50/ 0 赞/ 149 阅读

相关 JVM 优化实战

本文讲解了 JVM 的内存划分和分配策略，并以截图和脚本展示常用可视化和命令行工具的使用方法，完整演示了 JVM 优化、内存泄露排查、gc.log 分析方法等。作者

红太狼/ 2022年07月13日 14:15/ 0 赞/ 232 阅读

相关函数优化实战

目录 Himmelblau function Minima Plot Gradient Descent Himmelblau function

怼烎@/ 2021年11月23日 23:38/ 0 赞/ 228 阅读

相关 go函数实战

一编写一个函数,从终端输入一个整数，打印出对应的金字塔 1 代码 package main import ( "fmt"

系统管理员/ 2021年07月24日 16:07/ 0 赞/ 521 阅读