Quiz 1 Quiz 2 from elice_utils import EliceUtils from scipy.optimize import linprog import numpy as np elice_utils = EliceUtils() def main(): # Consider what each variable represents in the linprog function c = [-0.5, -1] #TODO A = [[1, 1], [1, 8/3]] #TODO b = [2, 4] #TODO x0_bounds = [0, 1.5] #TODO x1_bounds = [0, None] #TODO # DO NOT TOUCH THIS LINE BELOW res = linprog(c, A_ub=A, b_ub=b, bound..

Optimzation은 4개의 기준으로 나눌 수 있다. 1. Continuous / Discrete 2. Unconstrained / Constrained 3. None, One or Many objective functions 4. Deterministic / Stochastic 나머지 이름은 objective function의 형태에 따라 결정된다. Linear, Quadratic, Nonlinear 등등. 최적해를 찾는 과정에서 local minima에 빠지는 경우가 생길 수 있다. 그러나 objective function이 convex하다면 local minimum이 global minimum이 되어 이 문제를 해결할 수 있다. 함수가 convex한 지 확인하기 위해서는 아래 식을 활용하면 된다...