ZSK Solutions · Optimization Lab v3
Optimization Lab
13 optimizasyon algoritması: Sayısal, ML ve Metasezgisel yöntemleri adım adım görselleştirin.
Aktif algoritma
Gradient Descent
1D Sayısal
Gradient Descent
Newton
Secant
Golden §
Bisection
Brent
ML — 2D
SGD
Momentum
Adam
RMSProp
Metasezgisel — 2D
PSO
Genetik
Simulated Annealing
f(x) fonksiyonu
Uygula
x⁴−4x²+x
sin(x)+0.1x²
x²−3x+2
(x−1)²(x+2)²
cos(x)−0.5x
Parametreler
Learning rate
0.080
x₀
2.50
x₁ (secant)
2.00
x aralığı
Hız
400ms
f(x, y) fonksiyonu
Uygula
Rosenbrock
Himmelblau
Bowl
Saddle
Rastrigin
Parametreler
Başlangıç (x₀, y₀)
Learning rate
0.001
Mini-batch noise
0.30
Momentum β
0.90
Parçacık sayısı
20
Popülasyon
30
T başlangıç
10.0
Hız
200ms
⏮
◀
⏸
▶▶
⏭
Adım 1 / 60
x
—
y
—
f(x…)
—
f′(x)
—
f″(x)
—
Kiriş eğimi
—
Aralık [a,b]
—
Popülasyon
—
Sıcaklık T
—
En iyi f
—
Adım
—
Gradient Descent