在不计算导数的情况下最大化函数 f(x)答案

【问题标题】：Maximizing a function f(x) without evaluating the derivative在不计算导数的情况下最大化函数 f(x)
【发布时间】：2019-02-25 19:30:50
【问题描述】：

我是一名实验物理学家，试图在我的测量中自动进行相对简单（但敏感）的优化，目前完全手动完成，占用了我很多时间。在 cmets 中经过一些思考和提示后，我将问题简化为以下几点：

我想最大化一些函数 f(x)。但是，我只能评估 f(x);我无法明确评估它的导数。此外，我无法对大范围的 x 进行采样；如果 f(x) 阈值，我可以猜到一些初始步长 eps，其中 f(x_0 + eps) > 阈值也成立（但是，我不知道 f(x_0 + eps) > 或

我目前如何手动执行如下：我评估 f(x_0)，然后评估 f(x_0 + eps)。如果这导致减少，我将评估 f(x_0-eps)。基于梯度（基本上我只看是否有大步或大步超出我无法跨越的阈值），我要么增加或减少 eps 并继续沿同一方向搜索，直到找到最大值，我注意到这是因为 f (x) 开始减少。然后我回到那个最大值。这样，我总是在探查最大值的顶部，因此保持在安全范围内。

【问题讨论】：

我会说您需要定义问题或将其分解，例如finding local optimum。
我进一步分解了它。

标签： python algorithm measurement feedback

【解决方案1】：

我会说您需要定义问题或将其分解，例如finding local optimum。 Or Gradient descent

【讨论】：

第二个似乎非常相关。我会看看那个。但是，我有一个未知函数而不是已知函数，所以符号数学并没有真正的帮助。但结构可能。
是的，我遇到的麻烦是我无法评估导数。可以通过有限的差异来做到这一点，但这似乎效率低下。