Digamos que tiene una función loco, f
, que se define así:NMinimize parece ser en la grieta
util[x_, y_, c_] := 0.5*Log[c-x] + 0.5*Log[c-y]
cost[x_, y_, l_] := c /. First[NSolve[util[x, y, c+l] == Log[10+l], c]]
prof[x_, y_] := 0.01*Norm[{x,y}, 2]
liquid[x_, y_] := 0.01*Norm[{x,y}, 2]
f[x_, y_, a_, b_] := cost[a, b, liquid[x,y] + liquid[a-x, b-y]] - Max[a,b]
- cost[0,0,0] + prof[x,y] + liquid[x,y] + prof[a-x, b-y] + liquid[a-x, b-y]
Ahora me llaman NMinimize
así:
NMinimize[{f[50, 50, k, j], k >= 49, k <= 51, j >= 49, j <= 51}, {j, k}]
¿Qué me dice esto:
{-21.0465, {j -> 51., k -> 49.}}
Pero si realmente compruebo qué es f[50,50,49,51]
, es esto:
0.489033
Que es bastante diferente del -21.0465 que dijo NMinimize. ¿Esto es parte del curso con NMinimize? ¿Compensación de errores de punto flotante o qué? ¿Alguna idea para derrotar NMinimize (o alguna de esas funciones) en el envío?
+1 por el título – Verbeia