优化模型简介matlab.pptVIP

最优化算法——理论上了解 Global Optimization Toolbox 实际上解决问题 非线性规划问题的标准形式为： 多目标规划 (1)两个以上的目标函数； (2)若干个约束条件。 最优解如何确定？ 不会存在使所有目标函数同时 达到最大或最小值的最优解， 于是我们只能寻求非劣解 （又称非支配解或帕累托解 pareto ）。 1，优先因子（优先等级） 2，加权系数 3，容许度 延伸—双层规划--多层规划 最短路径问题（Dijkstra 算法） MATLAB优化工具箱能求解的优化模型 这里多种多样--连续，离散，随机，含参数的。 遗传算法和模式搜索法可以根据自己的需要来设定一些变量的值。Algorithmic customization. 全局最优化工具箱有时候只能求解出局部最优解，不能确认是否为全局最优解，因此还需要在原有的基础上写出你自己的程序，或者将其与其他工具组合在一起。 模拟退火法 模拟退火法求解无约束或者边界约束的优化问题。 “模拟退火”算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。退火与冶金学上的‘退火’相似，而与冶金学的淬火有很大区别，前者是温度缓慢下降，后者是温度迅速下降。 在每一步迭代，新点会随机生成，新点与原来点的距离，搜索长度，都是基于概率分布的.算法接受所有降低目标函数的新点，但是也会有一定的可能性接受增加目标函数的新点。这样有更大可能找到全局最优解。 初始种群（第一代种群）的获取一般采用均匀取种法或随机取种法，这是两种现阶段比较普遍采用的算法，但是这两种算法构造出的初始种群具有很大的随机性，种群的平均适应度较低。 1, initpop = 10*randn(20,2) + repmat([10 30],20,1) 是 利用指定的均值向量mean vector和协方差矩阵 covariance matrix计算2变量正态分布。 2, x = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon,options) 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 4，全局搜索（global search) rf2 = @(x)rastriginsfcn(x/10); % objective x0 = [20,30]; % start point away from the minimum problem = createOptimProblem('fmincon','objective',rf2,... 'x0',x0); gs = GlobalSearch; [xg fg flg og] = run(gs,problem) 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 说明： 1，fminunc可以很快的找到初始点所在盆地（basin）的局部极值点，但是不会跳出。 2，patternsearch计算的函数值要好于fminunc。可以经过多个盆地，从而找到多个局部极值点，进而找到较好的点。 3，ga计算的函数值要好于patternsearch。ga具有随机性，所以每次运行的结果都是不同的。可以经过多个盆地，从而找到多个局部极值点，进而找到较好的点。 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 4，global search计算的函数值要好于patternsearch。也是搜索多个盆地，到达相对好的点。利用多个初始点，搜索各自所在盆地中的极值点。在这个例子中可以找到全局最优点。 5，simulannealbnd 有时候（偶尔）会接受不好的点来取代当前的点，为的是跳出这个盆地，到达另外的盆地。 机动 目录 上页 下页 返回 结束 机动 目录 上页 下页 返回 结束 光滑问题如果是求全局最优解的话 那么怎么选取？ 方法：GlobalSearch, MultiStart,patternsearch, ga,simulannealbnd 1,GlobalSearch； 2, 第二尝试MultiStart； 包括的语句：fmincon, fminunc, lsqcurvefit,or lsqnonlin 3, patternsearch不如前面