多目标优化
采用遗传或模式搜索算法的帕累托集(有约束或没有约束)
当您有多个想要同时优化的目标函数时,这些求解器会在相互竞争的目标函数之间找到最佳权衡结果。
函数
对象
OptimizationValues | 优化问题的值 (自 R2022a 起) |
实时编辑器任务
优化 | 在实时编辑器中优化或求解方程 (自 R2020b 起) |
主题
基于问题的多目标优化
- 基于问题的多目标优化步骤
如何设置和评估多目标优化问题的结果。 - 基于问题的多目标优化的帕累托前沿
此示例说明如何创建和绘制多目标优化问题的解。 - 使用多目标优化规划核燃料处置
规划乏核燃料的处置,同时尽量降低成本和风险。此示例既有连续变量,也有二进制变量。
基于求解器的多目标优化
- 双目标的帕累托前沿
展示如何创建帕累托前沿并将其可视化的示例。 - 焊接梁的设计优化
显示焊接梁的成本和强度之间的权衡。 - 比较 paretosearch 和 gamultiobj
使用paretosearch
和gamultiobj
解决同样的问题,以了解每个求解器的特点。 - 使用遗传算法进行多目标优化
使用绘图函数和向量化解决简单的多目标问题。 - 多目标遗传算法选项的影响
展示一些选项对gamultiobj
解过程的影响。 - 何时使用混合函数
描述混合函数可能提供更高精度或速度的情况。 - 绘制三维帕累托前沿图
绘制三维帕累托集。
多目标背景
- 什么是多目标优化?
描述帕累托最优集。 - gamultiobj 算法
gamultiobj
算法的工作原理。 - paretosearch 算法
描述paretosearch
算法。 - gamultiobj 选项和语法:与 ga 的区别
描述ga
和gamultiobj
选项之间的差异。 - 遗传算法选项
探索遗传算法的选项。 - 模式搜索选项
探索模式搜索的选项。