بايد با این مسائل يه جور کنار بيام چه مسأله ی هيستوری مچينگ چه مسائل ديگه. هميشه اختلاف بين داده های اندازه گيری شده با داده های شبيه سازی شده (يا به قول بعضيها توهّم فانتزی) مشکل ساز بوده. البتّه علل مخلتفی داره که بستگی به شرايط و نوع مدلت حالتش فرق ميکنه. هيچ وقت اون چيزی که تو واقعيت ميبينی با اون چيزی که تو ذهنت (سيموليتور) ساختی يکی از آب در نمياد. فکر ميکنم بايد به دنبال يه راه حل ديگه باشم واسه مينيموم کردن تابع هدف. شنيدم گلوبال اپتيميزيشن روش خوبيه واسه اینطور مسائل. اینکه تو چند تا مينيموم مختلف پيدا کنی و از بين اونا جواب اصليتو انتخاب کنی. این روش شايد بتونه به مشکل يونيکنس هم جواب بده يعنی اینکه هيچ وقت جوابی که پيدا کردی تنها جواب مسأله نيست.
فکر کنم این روش رو بتونم تو زندگی هم پياده کنم. اینکه راهها، روشها و مدلهای مختلف رو واسه رسيدن به هدفم بررسی کنم و از ميون اونها بهترينو انتخاب کنم کاری که این روزها خيليها ميکنن
