`gamultiobj` 的自定义输出函数

此示例展示了如何为 gamultiobj 创建一个自定义输出函数，该函数每 20 代打印最佳目标函数值。向量目标函数有三个维度，是两个变量的函数。

function F = fitnessfcn(x)
F = [norm(x)^2,...
    0.5*norm(x(:)-[2;-1])^2+2,...
    2*norm(x(:)-[-2;-1])^2-1];
end

要监控优化的进度，请创建一个具有输出函数的结构中描述的语法的输出函数。为了使输出保持合理长度，每 20 代打印三个目标函数找到的最佳（最小）值。

function [state,options,optchanged] = gamextent(options,state,flag)
optchanged = false;
switch flag
    case "init"
        disp("Best function values in each dimension for this generation")
    case "iter"
        if mod(state.Generation,20) == 1 % Suppress 95% of iterations.
            fprintf("Generation %-.0f\n",state.Generation)
            score = state.Score;
            nobj = size(score,2);
            [~,indx] = min(score); % Find indices of minimal objective function values.
            for i=1:nobj
                % Print scores for the smallest objective function values
                % in each dimension.
                fprintf("%-.3f ",score(indx(i),:))
                fprintf("\n")
            end
            fprintf("\n") % Blank line before next output
        end
end
end

设置调用输出函数的选项，然后运行求解器。

opts = optimoptions("gamultiobj",OutputFcn=@gamextent);
rng default % For reproducibility
x = gamultiobj(@fitnessfcn,2,[],[],[],[],[],[],[],opts);

Best function values in each dimension for this generation
Generation 1
2.568 9.068 10.845 
4.085 2.078 30.132 
3.478 7.478 0.240 

Generation 21
0.001 4.446 9.073 
5.135 2.001 31.589 
4.983 9.955 -0.999 

Generation 41
0.000 4.514 9.042 
5.020 2.000 31.151 
4.983 9.955 -0.999 

Generation 61
0.000 4.508 9.061 
5.020 2.000 31.151 
4.943 9.964 -1.000 

Generation 81
0.000 4.494 8.989 
5.021 2.000 31.151 
4.943 9.964 -1.000 

Generation 101
0.000 4.497 9.003 
5.017 2.000 31.026 
5.003 9.989 -1.000 

gamultiobj stopped because the average change in the spread of Pareto solutions is less than options.FunctionTolerance.

随着迭代的进行，第一个目标函数的最佳值接近 0，第二个目标函数的最佳值接近 2，第三个目标函数的最佳值接近 -1。您可以在每一代的主对角线上看到这种方法。

另请参阅

gamultiobj

gamultiobj 的自定义输出函数

另请参阅

主题

`gamultiobj` 的自定义输出函数