Optimization Netlogo局部优化

我想估计一种新产品的需求量。客户就是代理商。每个产品有3个变量，需要根据购买情况进行优化。为了找到使销售额最大化的最佳变量，我使用了一种局部优化算法，梯度下降法。其工作原理如下：

1.定义了重量、尺寸和价格的初始值。 2.搜索过程将开始： dGradent是目标函数梯度的范数。dx计算变量和新变量之间的差值

 while [dgradient > 0.00001 and numiter < 1000 and dxw > 0.00001 and dxs > 0.00001 and dxp > 0.00001]

set weightnw weight - stepsize * (the gradient)
set sizenw size - stepsize * (the gradient)
setpricenw price - stepsize * (the gradient)

而[dgradient>0.00001和numiter<1000和dxw>0.00001和dxs>0.00001和dxp>0.00001]
设置权重nw权重-步长*（渐变）
设置sizenw大小-步长*（渐变）
setpricenw价格-步长*（渐变）

搜索过程会在邻域中生成新变量，但我必须确保它们在范围内。所以我定义了这个while循环以确保它们在范围内：

 while [not(((weightnw <= 400) and (weightnw >= 100)) and ((sizenw >= 5) and sizenw <= 20)) and ((pricenw >= 20) and (pricenw <=90)))] 
set stepsize stepsize - 0.0001
 set weightnw weight - stepsize * (the gradient)
set sizenw size - stepsize * (the gradient)
setpricenw price - stepsize * (the gradient)

---

while[not（（weightnw=100））和（（sizenw>=5）和（sizenw=20）和（pricenwThe
numanal
扩展包括几种优化多变量问题的方法，包括单纯形法和更深奥的方法，如CMES和BOBYQA。它们允许设置边界。NetLogo 6.0还没有准备好（有一个5.3的工作版本），但如果您认为它可能有用，请告诉我，我可以为您提供一个测试版

Charles
梯度是如何计算的？为什么不使用带重新启动的爬山或类似的搜索算法呢？另请参见，您遇到的问题是什么？期望值是否已关闭？我认为您可能找到的是局部最小值/最大值，而不是全局值，但这实际上取决于未显示的其余代码。您是否可以给我讲完numanal的最新版本。我计划结束一些关于优化的讲座，并计划使用NetLogo kalin。stoyanov@uctm.eduSorry要花这么长时间。NetLogo 6.1的扩展在以下位置可用：，我已将其发送到您的电子邮件中。它似乎可以与NetLogo 6.2配合使用。