使用 varindex 在基于问题的方法中设置选项

要在使用基于问题的方法时设置某些选项，您必须通过调用 varindex 将问题变量转换为索引。例如，ga 求解器接受一个名为 InitialPopulationRange 的选项，它是一个两行矩阵。第一行表示问题变量的下限，第二行表示问题变量的上限。矩阵的列代表种群中的个体，即问题变量。要将列索引与问题变量匹配，请使用 varindex。

例如，将目标函数设置为本示例末尾给出的辅助函数 mrosenbrock。对于所有 $$x_i=y_i=1$$，该目标函数在点 $$i$$ 附近接近于 0。以行形式创建 3-D 问题变量 x 和 y，这是 ga 所期望的形式。

x = optimvar("x",1,3);
y = optimvar("y",1,3);

用目标函数 mrosenbrock(x,y) 创建一个优化问题。

prob = optimproblem("Objective",mrosenbrock(x,y));

将 x 变量的初始范围设置为 [-1 2]，将 y 变量的范围设置为 [0 3]。为此，找到变量的索引。

xidx = varindex(prob,"x")

xidx = 1×3

     1     2     3

yidx = varindex(prob,"y")

yidx = 1×3

     4     5     6

将初始范围设置为两行矩阵，第一行包含下界，第二行包含上界。

poprange = zeros(2,max([xidx,yidx]));
poprange(1,xidx) = -1;
poprange(2,xidx) = 2;
poprange(1,yidx) = 0;
poprange(2,yidx) = 3;
disp(poprange)

    -1    -1    -1     0     0     0
     2     2     2     3     3     3

设置随机数生成器，并使用初始范围矩阵解决问题。

rng default % For reproducibility
opts = optimoptions("ga","InitialPopulationRange",poprange);
[sol,fval] = solve(prob,"Solver","ga","Options",opts)

Solving problem using ga.
ga stopped because the average change in the fitness value is less than options.FunctionTolerance.

sol = struct with fields:
    x: [1.2583 0.7522 1.2317]
    y: [1.5830 0.5653 1.5167]

fval = 
0.1818

返回的解具有相当小的目标函数值。

function F = mrosenbrock(x,y)
F = [10*(y - x.^2),1 - x];
F = sum(F.^2,2);
end

另请参阅

varindex

主题

• 遗传算法
• 基于问题的全局优化设置