全局优化工具箱提供了搜索包含多个极大值或极小值问题的全局解决方案的函数。工具箱求解器包括代理、模式搜索、遗传算法、粒子群、模拟退火、多起点和全局搜索。你可以使用这些求解器来解决目标或约束函数是连续的、不连续的、随机的、不具有导数的、或包含模拟或黑箱函数的优化问题。对于具有多个目标的问题,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和定制创建、更新和搜索函数(对于适用的求解器)来提高求解器的效率。您可以使用带有遗传算法和模拟退火求解器的自定义数据类型来表示不容易用标准数据类型表示的问题。混合函数选项允许您在第一个求解器之后应用第二个求解器,从而改进解决方案。
开始:
建模并选择优化方法
将问题描述转换为数学形式,以便您可以使用优化技术解决它。选择基于问题的方法来编写带有优化变量表达式的目标和约束。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。
选择一个解算器
结合基于问题或基于求解器的方法使用Optimize Live Editor任务,以帮助选择适合问题类型的求解器。
评估中间结果
使用绘图函数获得优化进度的实时反馈。写你自己的或使用提供的。使用输出函数创建自己的停止标准,将结果写入文件,或编写自己的应用程序来运行求解器。
解决比较
使用GlobalSearch生成多个起点,并在启动非线性求解器之前过滤它们,通常会产生高质量的解决方案。MultiStart允许您选择本地求解器和多种方法来创建起点。
选择GlobalSearch选项
指定试验点的数量并优化搜索。
选择MultiStart选项
指定非线性求解器。选择一个方法来生成起点,或者使用用户定义的集合。用并行计算加速。 |
选择选项
选择自适应模拟退火、玻尔兹曼退火或快速退火算法。 |
定制
创建函数来定义退火过程、验收标准和温度计划。使用自定义数据类型可以更容易地表达您的问题。应用第二个优化器来优化解决方案。
解决比较
与多目标遗传算法相比,使用多目标模式搜索算法在较少的函数评估中生成帕累托前沿。遗传算法可以生成间距更大的点。
选择模式搜索选项
提供一组初始点。指定所需的帕累托集大小、最小轮询分数和体积变化公差。自动绘制2D和3D帕累托前沿。用并行计算加速。 |
集合遗传算法选项
指定保持在顶级帕累托前沿的个体比例。自动绘制2D帕累托前沿。用并行计算加速。 |