Global Optimization Toolbox 所提供的函数可为包含多个极大值或极小值的问题搜索全局解。工具箱求解器包括替代、模式搜索、遗传算法、粒子群、模拟退火、多初始点和全局搜索。对于目标函数或约束函数连续、不连续、随机、导数不存在或包含模拟或黑箱函数的优化问题,都可以使用这些求解器。对于有多个目标的问题,您可以使用遗传算法或模式搜索求解器确定帕累托前沿。
您可以通过调整选项,或者对于适用的求解器,通过自定义创建、更新和搜索函数,从而提高求解器效率。可以使用自定义数据类型,配合遗传算法和模拟退火求解器,来描绘采用标准数据类型不容易表达的问题。利用混合函数选项,可在第一个求解器之后应用第二个求解器来改进解。
开始:
建模并选择优化方法
将问题描述转换为数学形式,以便使用优化方法来求解问题。选择基于问题的方法,将目标和约束写作优化变量表达式。然后应用自动选择的求解器。或者,选择基于求解器的方法,使用函数和系数矩阵定义目标和约束。
指定求解器和问题
通过基于问题或基于求解器方法使用“优化”实时编辑器任务来帮助选择适合问题类型的求解器。
评估中间结果
使用绘图函数,获得关于优化进度的实时反馈。编写您自己的函数,或者使用所提供的函数。使用输出函数创建您自己的停止准则,将结果写入文件,或编写您自己的应用程序来运行求解器。
比较求解器
使用 GlobalSearch 生成多个初始点,并在启动非线性求解器之前进行筛选,通常可得到高质量解。使用 MultiStart 可以选择局部求解器和各种创建初始点的方法。
选择 GlobalSearch 选项
指定试验点的数量并调整搜索。
选择 MultiStart 选项
指定非线性求解器。选择生成初始点的方法或使用用户自定义集。通过并行计算加速。 |
选择选项
提供一组初始点和可选目标值,用于构造初始替代。设置要供替代使用的点数和最小抽样距离。通过并行计算加速。
选择选项
选择用于自适应模拟退火、Boltzmann 退火或快速退火算法的选项。 |
自定义
创建函数来定义退火过程、接受准则和温度调度。使用自定义数据类型,更容易表达您的问题。应用第二个优化器改善解。
比较求解器
与多目标遗传算法相比,使用多目标模式搜索算法产生帕雷托前沿所用的函数评估次数较少。遗传算法可以产生间隔更宽的点。
选择模式搜索选项
提供一组初始点。指定期望的帕雷托解集大小、最小轮询片段和体积变化容差。自动绘制 2D 和 3D 帕雷托前沿。通过并行计算加速。 |
设置遗传算法选项
指定个体的分布率以继续保持顶级的帕雷托前沿。自动绘制 2D 帕雷托前沿。通过并行计算加速。 |