Answer

Ответ:

Объяснение:

Мы можем продемонстрировать, как использовать линейный поиск с простой одномерной целевой функцией и её производной. Во-первых, мы можем определить целевую функцию. Здесь поработаем с одномерной целевой функцией, а именно со сдвинутой на небольшую величину от нуля функцией x^2. Это выпуклая функция, она была выбрана потому, что её легко понять, а также легко вычислить первую производную.

• objective(x) = (-5 + x)^2.

Программа вычисляет входные значения (x) в диапазоне от -10 до 20 и создаёт график, показывающий знакомую U-образную форму параболы. Оптимум функции, по-видимому, находится в точке x=5,0, целевое значение — 0,0.

Код:

# plot a convex objective function
from numpy import arange
from matplotlib import pyplot
 
# objective function
def objective(x):
 return (-5.0 + x)**2.0
 
# gradient for the objective function
def gradient(x):
 return 2.0 * (-5.0 + x)
 
# define range
r_min, r_max = -10.0, 20.0
# prepare inputs
inputs = arange(r_min, r_max, 0.1)
# compute targets
targets = [objective(x) for x in inputs]
# plot inputs vs objective
pyplot.plot(inputs, targets, '-', label='objective')
pyplot.legend()
pyplot.show()