Video: 3000+ Common Spanish Words with Pronunciation 2024
En mycket stor del av matematiken syftar till att lösa optimeringsproblem av alla slag. I R ger funktionen optimera () en ganska enkel mekanism för optimering av funktioner.
Tänk dig att du är försäljningschef för ett företag och du måste ange det bästa priset för din produkt. Med andra ord, hitta priset på en produkt som maximerar intäkterna.
I ekonomi anges att en enkel prismodell anger att människor köper mindre av en viss produkt när priset ökar. Här är en mycket enkel funktion som har detta beteende:
Förväntad omsättning är så enkelt produkt av pris och förväntad försäljning: >> intäkter <- funktion (pris) {pris * försäljning (pris)}
Du kan använda funktionen kurva () för att plotta kontinuerliga funktioner. Detta tar en funktion som ingång och ger en plot. Försök att plotta uppförandet av försäljning och intäkter med funktionen kurva (), varierande pris från $ 50 till $ 150:
>> par (mfrow = c (1, 2))> kurva (försäljning, från = 50 till = 150, xname = "pris", ylab = "Försäljning", huvud = "Försäljning ")> kurva (intäkter, från = 50 till 150, xname =" pris ", ylab =" intäkter ", huvud =" intäkter ")> par (mfrow = c (1, 1))
en fungerande modell för försäljning och intäkter. Du kan se omedelbart att det finns en punkt med maximal intäkt. Använd sedan R-funktionen optimera () för att hitta värdet av det maximala.
För att använda optimera () måste du berätta vilken funktion som ska användas (i detta fall intäkter ()) samt intervallet (i detta fall priser mellan 50 och 150). Som standard optimerar () sökningar efter ett minimivärde, så i det här fallet måste du berätta för att söka efter maximalt värde: >> optimera (intäkter, intervall = c (50, 150), maximum = TRUE) $ maximum [1] 100 $ mål [1] 5000
Och där går du. Ladda upp ett pris på $ 100, och förvänta dig att få $ 5, 000 i intäkter.
R-funktionen optimerar () använder en kombination av gyllene sektionssökning och successiv parabolisk interpolering. Lyckligtvis tillhandahåller ett stort antal paket olika olika algoritmer för att lösa optimeringsproblem. Faktum är att det finns en speciell uppgiftsvy på CRAN för optimering och matematisk programmering.