Main Content

本页采用了机器翻译。点击此处可查看英文原文。

混合整数替代优化

打开实时脚本

此示例说明如何解决涉及整数变量的优化问题。从 R2019b 开始，surrogateopt 接受整数约束。在此示例中，找到点 x，使 multirosenbrock 函数在十维空间中从 -3 到 6 的整数值参量上最小化。multirosenbrock 函数是一个缩放较差且难以优化的函数。它的最小值为 0，在点 [1,1,...,1] 处达到。multirosenbrock 函数的代码出现在本示例的末尾。

rng(1,'twister') % For reproducibility
nvar = 10; % Any even number
lb = -3*ones(1,nvar);
ub = 6*ones(1,nvar);
fun = @multirosenbrock;
intcon = 1:nvar; % All integer variables
[sol,fval] = surrogateopt(fun,lb,ub,intcon)

surrogateopt stopped because it exceeded the function evaluation limit set by 
'options.MaxFunctionEvaluations'.

sol = 1×10

     1     1     1     1     1     1     1     1     1     1


fval = 0

在这种情况下，surrogateopt 找到了解。

辅助函数

以下代码会创建 multirosenbrock 辅助函数。

function F = multirosenbrock(x)
% This function is a multidimensional generalization of Rosenbrock's
% function. It operates in a vectorized manner, assuming that x is a matrix
% whose rows are the individuals.
% Copyright 2014 by The MathWorks, Inc.
N = size(x,2); % assumes x is a row vector or 2-D matrix
if mod(N,2) % if N is odd
    error('Input rows must have an even number of elements')
end
odds  = 1:2:N-1;
evens = 2:2:N;
F = zeros(size(x));
F(:,odds)  = 1-x(:,odds);
F(:,evens) = 10*(x(:,evens)-x(:,odds).^2);
F = sum(F.^2,2);
end

另请参阅

相关主题