삶의 최적화

최적화 문제는 목적 함수의 모든 변수 범위 내에서 목적 함수의 최상의 값을 찾는 방법입니다. 삶의 큰 부분은 부, 명성, 성취, 감정적 연결, 내면의 평화…

목적 함수의 형태에 따라 최적화 문제가 쉬울 수도, 어려울 수도 있습니다. 선형 함수를 사용하면 기본적으로 모든 요소(변수)를 함께 추가하고 각 요소에 약간의 가중치(계수)를 추가하면 각 변수가 계수만으로 결과에 긍정적 또는 부정적으로 독립적으로 영향을 미치는 방식을 명확하게 볼 수 있습니다. 따라서 최상의 결과를 얻기 위해 이러한 변수를 조작하는 방법은 다소 분명합니다. 그러나 비선형 함수를 사용하면 모든 변수가 곱셈 및 지수 등과 같은 모든 종류의 미친 조합과 함께 얽혀 있습니다. 방정식만 보고 무엇을 해야할지 파악하는 것은 불가능합니다. 지저분해.

삶은 매우 비선형적입니다. 최상의 솔루션을 계산하는 공식이 없으며 위에서 본 것처럼 멋진 조감도도 얻지 못합니다. 모든 사람이 사용하기 좋아하는 비유는 많은 봉우리가 있는 산을 오르는 것입니다. 일부는 다른 봉우리보다 더 높습니다. 당신이 할 수 있는 일은 어딘가에서 시작하고, 손이 닿는 범위 내에서 정보를 수집하고, 작은 발걸음을 내딛고, 반복하는 것뿐입니다. 항상 한 단계 위로 선택하면 최고점 중 하나(로컬 최대값)에 가까워지고 결국 최고점에 도달하지만 반드시 가장 높은 것(전역 최대값)은 아닙니다. 이것이 바로 더 단순한 비선형 최적화 알고리즘이 하는 일입니다. 그러나 더 이상 올라갈 곳이 없기 때문에 작은 봉우리에 갇히게 됩니다. 더 영리한 알고리즘의 경우 다른 곳에서 무작위로 다시 시작할 수 있으며 이번에는 더 나은 최대값으로 반복할 수 있습니다. 하지만 실생활에서는 그렇게 할 수 없습니다. 더 높은 봉우리를 목표로 하기 위해서는 이미 올라온 봉우리에서 먼저 내려와야 합니다.

문제를 더 복잡하게 만들기 위해 목적 함수(또는 목적 함수가 둘 이상인 경우 둘 사이의 가중치)가 평생 동안 여러 번 변경될 수 있습니다. 성장함에 따라 사물이 중요하거나 중요하지 않게 됩니다. 그리고 (문자 그대로) 돌에 세워진 실제 산과 달리 목적 함수가 변경됨에 따라 풍경이 완전히 바뀝니다.

그래서 그것은 우리에게 무엇을 말합니까?

1. 어디에서 끝나는지는 어디에서 시작하느냐에 따라 크게 좌우되지 않고 목적 함수가 무엇인지에 따라 크게 달라집니다.

2. 다른 사람의 단계를 맹목적으로 따르지 마십시오. 다른 목적 함수가 귀하와 다를 수 있습니다. 따라서 두 사람이 지도에서 같은 좌표에 있는 것처럼 보일지라도 실제로는 매우 다른 산을 오르고 있을 수 있습니다. 자신의 목표에 따라 단계를 측정하십시오.

3. 항상 눈앞에 있는 최선의 발걸음을 선택하는 것에 너무 집착하지 마세요. 가장 가까운 로컬 최대값에 더 빨리 도달할 수 있지만 글로벌 최대값에 도달할 확률은 증가하지 않습니다. 약간의 무작위성은 실제로 특히 초기 단계에서 좋은 것입니다. 너무 일찍 로컬 최대값에 갇히는 것을 방지합니다.

4. 로컬 최대값에서 벗어나 글로벌 최대값에 도달하기 위해서는 의도적으로 교란을 도입해야 합니다. 문제는 지역 최대값의 정의에 따라 다시 올라갈 수 있기 전에 목적 함수가 내려간다는 것입니다. 기분이 좋지 않습니다. 그것에 익숙해.

그러나 위의 모든 것을 알고 있더라도 어떤 알고리즘도 전역 최대값에 도달한다고 보장할 수 없습니다. 따라서 하루가 끝날 때(또는 인생이 끝날 때) 성취한 것에 만족하십시오.

이 모든 것이 너무 기계적인 느낌이 든다면 인간의 본성은 어디에서 작용할까요? 글쎄, 어떤 멋진 알고리즘을 사용하든 목적 함수를 정의할 수 있는 것 외에는 아무도 없습니다. 기계는 목적을 선택할 수 없습니다. 사람들은 할 수 있습니다.