OptimizationValues
优化问题的值
属性
对象的功能
paretoplot |
多目标值帕累托图 |
例子
OptimizationValues拥有多目标解决方案
使用优化变量创建并解决一个多目标问题。
X = optimvar(“x”下界= 3,UpperBound = 3);Prob =优化问题;概率。目标= [x^2;(x-1)^2];% x = 0和x = 1之间的折衷区域prob.Constraints。Con1 = x^2 <= 1/2;%展示约束条件prob.Constraints。Con2 = x^2 >= 1/10;第二个约束rng默认的%用于再现性[sol,fval,exitflag,output] = solve(prob,Solver=“paretosearch”）
用paretosearch解题。帕累托集合满足约束条件。优化完成，因为帕累托集体积的相对变化小于“选项”。' paretosetchangettolerance '和'options.ConstraintTolerance'内的约束被满足。
参数属性:x:[0.6366 0.3952 0.6812 0.5353 0.4299 0.6951 0.3813 0.3223…]]目标属性:目标:[2x60 double]约束属性:con1:[-0.0947 -0.3438 -0.0360 -0.2134 -0.3152 -0.0169 -0.3546…con2:[-0.3053 -0.0562 -0.3640 -0.1866 -0.0848 -0.3831 -0.0454…]］
fval =2×600.4053 0.1562 0.4640 0.2866 0.1848 0.4831 0.1454 0.1039 0.1095 0.1406 0.3329 0.1115 0.253 0.1170 0.4749 0.1699 0.4375 0.1814 0.2936 0.4727 0.4395 0.2789 0.2261 0.4562 0.1658 0.4562 0.1197 0.1560 0.3665 0.2411 0.2628 0.2197 0.4902 0.1760 0.3665 0.2411 0.1092 0.4911 0.1914 0.1182 0.3742 0.3658 0.4640 0.906 0.1789 0.4090 0.1879 0.2333 0.1869 0.4436 0.4328 0.966 0.19140.4469 0.1146 0.3296 0.2099 0.0977 0.1136 0.3288 0.2227 0.2751 0.1051 0.3514 0.0916 0.4277 0.3708 0.4496 0.4450 0.4224 0.4555 0.2375 0.2822 0.0899 0.3369 0.1557 0.2591 0.4483 0.0895 0.3164 0.4307 0.1508
exitflag = SolverConvergedSuccessfully .
输出=带字段的结构:迭代:16 funccount: 282 volume: 1.8535 averagedistance: 0.0089 spread: 0.2737 maxconstraint: 0消息:'帕累托集发现满足约束. ...' rngstate: [1x1 struct]求解器:'paretosearch'
的paretosearch求解器在16次迭代中收敛到一个可行的解决方案。画出解。
paretoplot (sol)
使用数据提示在图中选择一个任意点进行检查:
图中的点在索引48处。检查解决方案48。
Arbitrarysol = sol(48)
arbitrarysol = OptimizationValues with properties:变量属性:x: 0.4375目标属性:目标:[2x1 double]约束属性:con1: -0.3086 con2: -0.0914
约束值为负，表示图中的点是可行的。
arbitrarysol。客观的
ans =2×10.1914 - 0.3164
目标值与数据提示中的值一致。
限制
OptimizationValues对象只支持水平连接。换句话说，你只能得到的行向量OptimizationValues对象。
版本历史
R2022a中引入
您也可以从以下列表中选择一个网站: