Модели прогнозирования, целевые функции и оптимизация

Question

Как мы определяем целевые функции при оптимизации с использованием pyomo в Python. Мы определили модели прогнозирования отдельно. Следующим шагом является перенос целевых функций из моделей прогнозирования (усиление градиента, случайный лес, линейная регрессия и другие) и оптимизация для достижения максимальной и минимальной оптимизации. пожалуйста, предложите и поделитесь любым рабочим примером в pyomo.

Answer 1

Из-за того, что Pyomo использует выражение algebrai c, вам необходимо:

1. Определить математическое выражение функции вашей модели прогнозирования.
2. Реализовать правильную математическую модель в Pyomo, включая необходимые параметры, переменные и другие ограничения.
3. Применить min - max

Вы можете сделать цикл следующим образом:

Функция модели прогнозирования -> Min -макс уточнение -> Настройка функции модели прогнозирования -> Уточнение мин-макс -> ...

Сколько раз вам нужно, чтобы достичь ожидаемой точности. Может работать API-соединение и многопоточная реализация.