একটি স্কেলার ফাংশনের ন্যূনতম সন্ধান করা একটি অপ্টিমাইজেশান সমস্যা। অপ্টিমাইজেশন সমস্যা সমাধানের গুণমান উন্নত করতে সাহায্য করে, যার ফলে উচ্চতর পারফরম্যান্সের সাথে আরও ভাল ফলাফল পাওয়া যায়। অপ্টিমাইজেশান সমস্যাগুলি বক্ররেখা ফিটিং, রুট ফিটিং ইত্যাদির জন্যও ব্যবহৃত হয়৷
আসুন একটি উদাহরণ দেখি -
উদাহরণ
import matplotlib.pyplot as plt
from scipy import optimize
import numpy as np
print("The function is defined")
def my_func(a):
return a*2 + 20 * np.sin(a)
plt.plot(a, my_func(a))
print("Plotting the graph")
plt.show()
print(optimize.fmin_bfgs(my_func, 0)) আউটপুট
Optimization terminated successfully. Current function value: -23.241676 Iterations: 4 Function evaluations: 18 Gradient evaluations: 6 [-1.67096375]
ব্যাখ্যা
- প্রয়োজনীয় প্যাকেজগুলি আমদানি করা হয়৷ ৷
- একটি ফাংশন সংজ্ঞায়িত করা হয় যা ডেটা তৈরি করে।
- এই ডেটা ম্যাটপ্লটলিব লাইব্রেরি ব্যবহার করে গ্রাফে প্লট করা হয়েছে।
- এরপর, 'fmin_bgs' ফাংশনটি একটি প্যারামিটার হিসাবে ফাংশন পাস করে ব্যবহার করা হয়।
- এই ডেটা কনসোলে প্রদর্শিত হয়৷ ৷
