surrogateopt

寻找最低的six-hump骆驼背函数在该地区-2.1 < = x (i) < = 2.1。这个函数有两个全局最小点的目标函数值-1.0316284……用更高的目标函数值和四个局部最小值。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;x = surrogateopt (objconstr磅,乌兰巴托)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×20.0893 - -0.7130

找到最低。海涅的函数

非线性约束条件的解决方案在于磁盘半径的1/3 (1/3,1/3):

$$(x(1)-\; -\; -\; -\; -\; -1/3{)}^2+(x(2)-\; -\; -\; -\; -\; -1/3{)}^2\le (1/3{)}^2$$。

为此,objconstr编写一个函数(x)返回的价值。在结构领域的功能Fval,并返回表单中的非线性约束值 $$c(x)\le 0$$在结构领域Ineq。

类型objconstr

函数f = objconstr f (x)。Fval= 100*(x(2) - x(1)^2)^2 + (1 - x(1))^2; f.Ineq = (x(1)-1/3)^2 + (x(2)-1/3)^2 - (1/3)^2;

调用surrogateopt使用0的下界和上界每个组件的2/3。

磅= (0,0);乌兰巴托= (2/3,2/3);[x, fval exitflag] = surrogateopt (@objconstr磅,乌兰巴托)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×20.6544 - 0.4280

fval = 0.1194

exitflag = 0

检查值非线性约束的解决方案。

disp (objconstr (x) .Ineq)

9.3778 e-04

约束函数值是接近于零,这表明约束条件是积极的解决方案。

找到最低的ps_example一个二维变量函数x的第一个组件被限制为整数值,5和5之间的所有组件。

intcon = 1;rng默认的%的再现性objconstr = @ps_example;磅= (5,5);乌兰巴托= (5,5);x = surrogateopt (objconstr磅,乌兰巴托,intcon)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×2-5.0000 - 0.0006

最小化six-hump骆驼背函数在该地区-2.1 < = x (i) < = 2.1。这个函数有两个全局最小点的目标函数值-1.0316284……用更高的目标函数值和四个局部最小值。

系统地搜索区域,使用常规的网格的起点。集120年的最大数量评估函数。使用“surrogateoptplot”图的功能。了解“surrogateoptplot”情节,看到解释surrogateoptplot。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;[xpt材料,Ypts] = meshgrid(三3);startpts = [xpt材料(:),Ypts (:));选择= optimoptions (“surrogateopt”,“PlotFcn”,“surrogateoptplot”,…“InitialPoints”startpts,“MaxFunctionEvaluations”,120);x = surrogateopt (objconstr、磅、乌兰巴托、期权)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×20.0900 - -0.7123

非线性目标函数最小化线性不等式约束。200年最小化函数评估。

objconstr = @multirosenbrock;据nvar = 6;磅= 2 *的(据nvar, 1);乌兰巴托=磅;intcon = [];据nvar = 1 (1);b = 3;Aeq = [];说真的= [];选择= optimoptions (“surrogateopt”,“MaxFunctionEvaluations”,200);[溶胶,fval exitflag、输出]=…intcon surrogateopt (objconstr磅,乌兰巴托,A, b, Aeq,说真的,选项)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

索尔=1×60.0159 0.0061 0.0289 0.0046 0.0207 0.0209

fval = 2.9173

exitflag = 0

输出=结构体字段:elapsedtime: 44.3171 funccount: 200 constrviolation: 0 ineq: [1 x0双]rngstate: [1 x1 struct]信息:“surrogateopt停止,因为它超过了设定的评价函数极限……”

创建一个问题结构代表six-hump骆驼背函数在该地区-2.1 < = x (i) < = 2.1。集120年的最大数量评估函数。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);选择= optimoptions (“surrogateopt”,“MaxFunctionEvaluations”,120);问题=结构(“目标”objconstr,…“磅”[-2.1,-2.1],…乌兰巴托的[2.1,2.1],…“选项”选项,…“规划求解”,“surrogateopt”);x = surrogateopt(问题)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×2-0.0892 - 0.7129

最小化six-hump骆驼背函数和返回最小点和目标函数值。抑制其他显示设置选项。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;选择= optimoptions (“surrogateopt”,“显示”,“关闭”,“PlotFcn”[]);[x, fval] = surrogateopt (objconstr、磅、乌兰巴托、期权)

x =1×20.0893 - -0.7130

fval = -1.0316

监控代理优化过程要求surrogateopt返回输出。使用“surrogateoptplot”图的功能。了解“surrogateoptplot”情节,看到解释surrogateoptplot。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;选择= optimoptions (“surrogateopt”,“PlotFcn”,“surrogateoptplot”);[x, fval exitflag、输出]= surrogateopt (objconstr、磅、乌兰巴托、期权)

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×20.0893 - -0.7130

fval = -1.0316

exitflag = 0

输出=结构体字段:elapsedtime: 43.4672 funccount: 200 constrviolation: 0 ineq: [1 x0双]rngstate: [1 x1 struct]信息:“surrogateopt停止,因为它超过了设定的评价函数极限……”

订立代理优化快速通过设置一个小函数评估的最大数量。准备重新启动优化的可能性,要求所有的解算器输出。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;选择= optimoptions (“surrogateopt”,“MaxFunctionEvaluations”,20);[x, fval exitflag、输出试验]= surrogateopt (objconstr、磅、乌兰巴托、期权);

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

优化20功能评估,从以前开始评估点。

options.InitialPoints=试用; [x,fval,exitflag,output,trials] = surrogateopt(objconstr,lb,ub,options);

surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

通过比较这些40块功能的评估寻找全球最低,你会发现重新启动代理优化不一样的规划求解连续运行。

使重新启动代理优化由于事故或者其他原因,设置一个检查点文件的名字。

选择= optimoptions (“surrogateopt”,“CheckpointFile”,“checkfile.mat”);

创建一个函数优化问题和设置少量的评估。

rng默认的%的再现性objconstr = @ (x) (4 * x (: 1)。^ 2 - 2.1 * x (: 1)。^ 4 + x (: 1)。^ 6/3…+ x (: 1)。* x (:, 2), 4 * x (:, 2)。^ 2 + 4 * x (:, 2) ^ 4);磅= [-2.1,-2.1];乌兰巴托=磅;选择。米axFunctionEvaluations = 30; [x,fval,exitflag,output] = surrogateopt(objconstr,lb,ub,opts)

Surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x =1×20.0067 - -0.7343

fval = -0.9986

exitflag = 0

输出=结构体字段:elapsedtime: 28.7221 funccount: 30 constrviolation: 0 ineq:[1×0双]rngstate: [1×1 struct]消息:“Surrogateopt停止,因为它超过了函数评估限制由↵options.MaxFunctionEvaluations’。”

设置选项使用100函数评估(这意味着70多已经完成)并重新启动优化。

选择。米axFunctionEvaluations = 100; [x2,fval2,exitflag2,output2] = surrogateopt(“checkfile.mat”选择)

Surrogateopt停止,因为它超过了设定的评价函数极限“options.MaxFunctionEvaluations”。

x2 =1×20.0895 - -0.7130

fval2 = -1.0316

exitflag2 = 0

output2 =结构体字段:elapsedtime: 159.2411 funccount: 100 constrviolation: 0 ineq:[1×0双]rngstate: [1×1 struct]消息:“Surrogateopt停止,因为它超过了函数评估限制由↵options.MaxFunctionEvaluations’。”