谷歌在这方面的结果似乎需要比我熟悉的更高级的数学(而且我可能不比五年级学生聪明,但我不打算找出答案)。
我正在寻找一种解决多元优化问题的通用方法,最好是在 c# 中,而不必深入研究矩阵和特征向量以及正态分布。
假设我有数字变量x、y、z和w,以及f这样的函数w = f(x, y, z)
。我想最大化w,并且...
f
未知- 和/或之间的相互依赖关系
x
(y
z
如果有的话)是未知的 - 在某些情况下,我只有事后数据集
- 在其他情况下,我可以根据需要
x
改变y
和重新z
采样w
- 在先验情况下,理想算法在 、 和 的试验排列最少的情况下最大化,
w
并x
在y
每轮z
采样后为每个排列选择下一个值
我对自变量有粗略的最小和最大界限。我当然不想对置换空间进行不必要的采样。我希望该算法至少具有检测最明显的相互依赖关系的粗略能力,例如,当x
>时收益递减,或者当、和 和超过某个上限时的2y
实际恶化等。w
x
y
z
我看过的大多数数学库都假设我知道如何在 Boigenfoodle Continuum 上执行量子 nergenflip 投影,而我只是不在那里。非数学家编码员如何做到这一点?