量的目标函数但通常最

这种方法可以加快大型任务的优化。参数更改限制通过为可变参数选择有意义的界限可以大大提高性能。下面是一个示例三个可变参数和的界限如下如果这些界限是正确的但分析师知道当前研究感兴趣的是较小范围的值则需要更改范围例如缩小范围可以让您快速找到可变参数的最佳值因为这减少了优化器经过的值的数量。

目标函数的复杂性一个复杂的目标函数具有一个非线性曲面该曲面具有许多局部最小值和最大值点或者在一个或多个点处不连续。的创建是为了寻找任何目标函数的最佳解决方案。但是对于更复杂的问题通常需要运行 电话号码列表 更多的模型才能找到最佳解决方案。目标函数数通常在一个问题中您需要找到几个目标函数的最大值和最小值。

通常功能之一是成本指标第二个是效率指标。它们几乎总是反向相关或相互竞争评估它们需要在成本和性能之间取得平衡。首先为每个目标函数寻找解决方案然后专注于填补帕累托边界上的空白。目标函数越多需要运行的模型就越多。要找到一个近似值请将上表中的运行次数乘以。例如如果可变参数的数量少于则模型的运行次数必须至少为。允许任意数好先试验两个以便更容易解释试验结果。