স্ক্যালার ফাংশনের ন্যূনতম মান বের করা একটি অপ্টিমাইজেশন সমস্যা। অপ্টিমাইজেশন সমস্যা সমাধানের গুণগত মান বাড়ায়, যাতে হাইयर পারফরম্যান্সের সাথে ভালো ফলাফল পাওয়া যায়। অপ্টিমাইজেশন সমস্যা কার্ভ ফিটিং, রুট ফিটিং ইত্যাদিতেও ব্যবহৃত হয়।
উদাহরণ
import matplotlib.pyplot as plt
from scipy import optimize
import numpy as np
print("ফাংশন সংজ্ঞায়িত করা হয়েছে")
def my_func(a):
return a * 2 + 20 * np.sin(a)
# নোট: নিচের লাইনটি অরিজিনাল কোডে 'a' ভেরিয়েবল অনির্দিষ্ট থাকায় এরর দেবে।
# সঠিক উদাহরণের জন্য a-এর জন্য একটি রেঞ্জ ব্যবহার করা হয়েছে।
a = np.linspace(-10, 10, 400)
plt.plot(a, my_func(a))
print("গ্রাফ প্লট করা হয়েছে")
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 প্যাকেজগুলো ইম্পোর্ট করা হয়েছে।
- ডেটা জেনারেট করার একটি ফাংশন সংজ্ঞায়িত করা হয়েছে।
- Matplotlib লাইব্রেরি দিয়ে এই ডেটা গ্রাফে প্লট করা হয়েছে।
- পরবর্তীতে
fmin_bfgsফাংশন ব্যবহার করে ফাংশনটি প্যারামিটার হিসেবে পাস করা হয়েছে। - ডেটা কনসোলে দেখানো হয়েছে।
