详细内容或原文请订阅后点击阅览
优化具有可取功能的多目标问题
应用于一个非常真实的问题：烘烤面包！优化具有可取功能的多目标问题的帖子首先出现在数据科学上。
来源:走向数据科学在数据科学中，遇到竞争目标问题并不少见。无论是设计产品，调整算法还是优化投资组合，我们通常都需要平衡几个指标才能获得最佳结果。有时，使一个指标最大化以牺牲另一个指标为代价，因此很难拥有总体优化的解决方案。
数据科学虽然存在几种解决方案来解决多目标优化问题，但我发现所需功能既优雅又易于向非技术受众解释。这使他们成为一个有趣的选择。可取性功能将将几个指标组合为标准化的分数，从而进行整体优化。
优化在本文中，我们将探索：
- 可取函数的数学基础是在Pythonhow中实现这些功能，以优化具有可取函数的多目标问题，以解释和解释结果
为了在一个真实的例子中以这些概念为基础，我们将采用可取性功能来优化面包烘烤：一个具有一些相互联系的参数和竞争优质目标的玩具问题，这将使我们能够探索几种优化选择。
在本文结束时，您将在数据科学工具包中拥有一个强大的新工具，用于解决众多域上的多目标优化问题，以及在GitHub上可用的功能齐全的代码。
github什么是可取功能？
首先由Harrington（1965）正式化，后来由Derringer and Suich（1980）扩展。这个想法是：
Harrington（1965） Derringer和Suich（1980） 将所有分数合并为一个度量，以最大化 不同类型的可取性功能 i Scipy Harrington（1965）