解决多目标目标实现问题
fgoalattain
解决目标达成问题,这是一个最小化多目标优化问题的公式。
fgoalattain
查找由指定的问题的最小值
重量
,目标
,B和贝基是向量,A.和Aeq是矩阵,和F(x),C(x),及ceq(x),是返回向量的函数。F(x),C(x),及ceq(x)可以是非线性函数。
x,磅和乌兰巴托可以作为向量或矩阵传递;请参见矩阵参数.
[
另外,还返回解决方案中的实现因子x
,未来值
,attainfactor
,出口滞后
,输出
]=fgoalattain(___)x
,一个值出口滞后
它描述了fgoalattain
,以及一个结构输出
关于优化过程的信息。
考虑双目标函数
这个函数明显地最小化了 在 ,达到值2,并最小化 在 ,达到值5。
设定目标[3,6]和权重[1,1],从开始解决目标达成问题x0
= 1.
乐趣=@(x)[2+(x-3)^2;5+x^2/4];目标=[3,6];权重=[1,1];x0=1;x=fgoalattain(乐趣,x0,目标,权重)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=2.0000
发现价值 在解决方案。
乐趣(x)
ans=2×13.0000 6.0000
fgoalattain
准确地实现目标。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标为[3,6],权值为[1,1],线性约束为
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
创建线性约束矩阵A.
和B
代表A * x < =
.
一个= [1];b = 4;
设定初始点[1,1],解决目标实现问题。
x0=[1,1];x=fgoalattain(乐趣,x0,目标,重量,A,b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0694 1.9306
发现价值 在解决方案。
乐趣(x)
ans=2×13.1484 - 6.1484
fgoalattain
未达到目标。由于权重相等,解算器未达到每个目标的程度相同。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标是[3,6],权重是[1,1],边界是
,
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
创建边界。
磅= (0,2);乌兰巴托=(3、5);
将起始点设为[1,4],解决目标实现问题。
x0 = [1,4];一个= [];%无线性约束b=[];Aeq=[];beq=[];x=fgoalattain(乐趣、x0、目标、体重、A、b、Aeq、beq、lb、ub)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.6667 - 2.3333
发现价值 在解决方案。
乐趣(x)
ans=2×12.8889 5.8889
fgoalattain
由于权重相等,解算器以相同的数量超额完成每个目标。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=[4,1]。目标为[3,6],权重为[1,1],非线性约束为
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
非线性约束函数为norm4.m
文件。
类型norm4
函数[c,ceq]=norm4(x)ceq=[];c=范数(x)^2-4;
为线性约束和边界创建空输入参数。
A=[];Aeq=[];b=[];beq=[];lb=[];ub=[];
将初始点设置为[1,1],并解决目标实现问题。
x0=[1,1];x=fgoalattain(乐趣、x0、目标、体重、A、b、Aeq、beq、lb、ub、@norm4)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×21.1094 1.6641
发现价值 在解决方案。
乐趣(x)
ans=2×14.5778 7.1991
fgoalattain
没有达到目标。尽管权重相等,
离目标3的距离是1.58,还有
与目标6相差1.2。非线性约束阻碍了求解x
平等地实现目标。
通过设置返回迭代显示的选项来监控目标实现解决方案过程。
选择= optimoptions (“fgoalattain”,“显示”,“国际热核实验堆”);
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标为[3,6],权值为[1,1],线性约束为
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
创建线性约束矩阵A.
和B
代表A * x < =
.
一个= [1];b = 4;
为线性等式约束、边界和非线性约束创建空输入参数。
Aeq=[];beq=[];lb=[];ub=[];非LCON=[];
设定初始点[1,1],解决目标实现问题。
x0=[1,1];x=fgoalattain(乐趣、x0、目标、重量、A、b、Aeq、beq、lb、ub、非LCON、选项)
达到最大线搜索方向Iter F计数因子约束步长导数程序0 4 0 4 1 9-1 2.5 1-0.535 2 14-1.235e-08 0.2813 1 0.883 3 19 0.1452 0.005926 1 0.883 4 24 0.1484 2.868e-06 1 0.883 5 29 0.1484 6.757e-13 1 0.883 Hessian修改的局部最小可能值。满足约束。因尺寸当前搜索方向的e小于步长公差值的两倍,且满足的约束在约束公差值范围内。
x=1×22.0694 1.9306
报告的成就系数的正值表示fgoalattain
没有找到满足目标的解决方案。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标为[3,6],权值为[1,1],线性约束为
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
创建线性约束矩阵A.
和B
代表A * x < =
.
一个= [1];b = 4;
设定初始点[1,1]并解决目标达成问题。请求目标函数的值。
x0=[1,1];[x,fval]=fgoalattain(乐趣,x0,目标,重量,A,b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0694 1.9306
fval =2×13.1484 - 6.1484
目标函数值高于目标值,即fgoalattain
不满足目标。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标为[3,6],权值为[1,1],线性约束为
.
创建目标函数、目标和权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
创建线性约束矩阵A.
和B
代表A * x < =
.
一个= [1];b = 4;
设定初始点[1,1],解决目标实现问题。要求目标函数、达到因子、退出标志、输出结构和拉格朗日乘子的值。
x0=[1,1];[x,fval,获得因子,exitflag,output,lambda]=fgoalattain(乐趣,x0,目标,权重,A,b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0694 1.9306
fval =2×13.1484 - 6.1484
可达系数=0.1484
exitflag=4
输出=带字段的结构:迭代次数:6次funcCount:29 lssteplength:1步长:4.0824e-13算法:“活动集”firstorderopt:[]冲突:6.7568e-13消息:“…”
λ=带字段的结构:下限:[2x1 double]上限:[2x1 double]eqlin:[0x1 double]eqnonlin:[0x1 double]ineqlin:0.5394 ineqnonlin:[0x1 double]
的正值attainfactor
表明目标没有实现;您也可以通过比较来了解这一点未来值
具有目标
.
这个lambda.ineqlin
值为非零,表明线性不等式约束了解。
目标函数是
在这里,p_1.
= [2,3] and p_ .2.
=(4 1)。目标为[3,6],初始权值为[1,1]。
创建目标函数、目标和初始权重。
p_1 =(2、3);p_2 = (4 1);有趣= @ (x)[2 +规范(x-p_1) ^ 2; 5 +规范(x-p_2) ^ 2/4];目标=(3、6);重量= [1];
设置线性约束 .
A=11;b=4;
从根本上解决目标达成问题x0=[1]
.
X0 = [1 1];[x, fval] = fgoalattain(有趣,x0,目标,体重,A, b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0694 1.9306
fval =2×13.1484 - 6.1484
每个组件未来值
位于的相应组件之上目标
,表示目标没有实现。
通过设定目标来增加满足第一个目标的重要性重量(1)
到一个更小的值。
重量(1)= 1/10;[x, fval] = fgoalattain(有趣,x0,目标,体重,A, b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0115 1.9885
fval =2×13.0233 6.2328
现在fval (1)
更接近于目标(1)
鉴于fval (2)
是远离目标(2)
.
改变目标(2)
到7,该值高于当前解决方案。解决方案将更改。
目标(2)= 7;[x, fval] = fgoalattain(有趣,x0,目标,体重,A, b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×21.9639 2.0361
fval =2×12.9305 6.3047
这两个组件的未来值
都小于相应的组件目标
但是fval (1)
更接近于目标(1)
比fval (2)
是目标(2)
.当目标无法实现时,较小的权重更有可能使其组成部分接近满意,但当目标能够实现时,则会降低超额完成程度。
更改权重以使其相等未来值
结果与目标的距离相等。
重量(2)=1/10;[x,fval]=fgoalattain(乐趣,x0,目标,重量,A,b)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×21.7613 - 2.2387
fval =2×12.6365 6.6365
约束可以保持结果未来值
从同样接近目标。例如,设置上限为2x(2)
.
ub=[Inf,2];lb=[];Aeq=[];beq=[];[x,fval]=fgoalattain(乐趣,x0,目标,重量,A,b,Aeq,beq,lb,ub)
局部最小值。约束满足。Fgoalattain停止是因为当前搜索方向的大小小于步长公差值的两倍,并且约束条件满足到约束公差值之内。
x=1×22.0000 - 2.0000
fval =2×13.0000 6.2500
在这种情况下,,fval (1)
完全达到了目标,但是fval (2)
比它的目标少。
享乐
—目标函数目标函数,指定为函数句柄或函数名。享乐
是一个接受向量的函数吗x
并返回一个向量F
,在x
. 您可以指定函数享乐
作为函数文件的函数句柄:
x=fgoalattain(@myfun,x0,目标,重量)
哪里我的乐趣
是一个MATLAB®等功能
作用F=myfun(x)F=...%计算x处的函数值。
享乐
也可以是匿名函数的函数句柄:
x=fgoalattain(@(x)sin(x.*x),x0,目标,重量);
fgoalattain
通行证x
目标函数和形状中的任何非线性约束函数x0
论点例如,如果x0
是一个5乘3的数组,那么fgoalattain
通行证x
到享乐
作为一个5乘3的阵列。然而fgoalattain
乘线性约束矩阵A.
或Aeq
具有x
转换后x
到列向量x(:)
.
要使目标函数尽可能接近目标值(即既不大于也不小于),请使用最佳选择
设定相等目标计数
选择的目标数量需要在目标值的附近。这样的目标必须被划分为向量的第一个元素F
返回的享乐
.
假设目标函数的梯度也可以计算和这个指定对象半径
选择是符合事实的
,由以下机构设定:
选择= optimoptions (“fgoalattain”,“SpecifyObjectiveGradient”,对)
在本例中,函数享乐
必须在第二个输出参数中返回梯度值G
(矩阵)x
.梯度由偏导数组成dF/dx各F
在点x
如果F
向量的长度是多少M
和x
长度N
,在那里N
长度是多少x0
,然后是梯度G
属于F (x)
是一个N
——- - - - - -M
矩阵在哪里G (i, j)
的偏导数是什么F(j)
关于x(我)
(即J
第列G
是物体的梯度J
th目标函数F(j)
).
请注意
设置指定对象半径
到符合事实的
只有当问题没有非线性约束,或者问题有带约束的非线性约束时,该方法才有效指定约束约束梯度
着手符合事实的
。在内部,目标被折叠到约束中,因此解算器需要同时提供梯度(目标和约束),以避免估计梯度。
数据类型:字符
|字符串
|功能手柄
x0
—初始点目标
—目标要达到的目标,指定为实向量。fgoalattain
试图找到最小的乘数γ这使得这些不等式适用于所有的我在解决方案x:
假设重量
是一个正向量:
如果解算器找到一个点x
同时实现所有目标,然后是实现因素γ是消极的,目标超额完成。
如果解算器找不到点x
同时实现所有目标,然后是实现因素γ是积极的,目标没有实现。
例子:(1 3 6)
数据类型:双
重量
—相对成就系数相对成就因子,指定为实向量。fgoalattain
试图找到最小的乘数γ这使得这些不等式适用于所有的我在解决方案x:
当目标
是全非零,以确保未完成或超额完成积极目标的比例相同,设置重量
到abs(目标)
(主动目标是解决方案中阻碍进一步改进目标的一组目标。)
请注意
设置重量
向量为零会导致相应的目标约束被视为硬约束,而不是目标约束。设置硬约束的另一种方法是使用输入参数nonlcon
.
当重量
是积极的,,fgoalattain
试图使目标函数小于目标值。要使目标函数大于目标值,请设置重量
消极而不是积极。要看重量对溶液的影响,请看权重、目标和约束对目标实现的影响.
为了使目标函数尽可能接近一个目标值,使用相等目标计数
选项,并将目标指定为返回的向量的第一个元素享乐
(见享乐
和选项
)。有关示例,请参阅多目标达成优化.
例子:abs(目标)
数据类型:双
A.
—线性不等式约束线性不等式约束,指定为实矩阵。A.
是一个M
——- - - - - -N
矩阵,M
是不平等的数量,和N
是变量的数量(元素的数量x0
).对于大问题,请通过A.
作为稀疏矩阵。
A.
编码M
线性不等式
A * x < =
,
哪里x
是的列向量N
变量x(:)
和B
列向量是M
元素。
例如,考虑这些不等式:
x1.+ 2x2.≤10
3.x1.+ 4x2.≤ 20
5.x1.+ 6x2.≤ 30,
通过输入以下约束指定不等式。
A=[1,2;3,4;5,6];b=[10;20;30];
例子:要指定x分量的总和等于或小于1,请使用A=一(1,N)
和b=1
.
数据类型:双
B
—线性不等式约束线性不等式约束,指定为实向量。B
是一个M
-与元素相关的元素向量A.
矩阵,如果你通过的话B
作为行向量,解算器在内部进行转换B
到列向量b(:)
. 对于大问题,请通过B
作为稀疏向量。
B
编码M
线性不等式
A * x < =
,
哪里x
是的列向量N
变量x(:)
和A.
是一个大小矩阵M
——- - - - - -N
.
例如,考虑这些不等式:
x1.+ 2x2.≤10
3.x1.+ 4x2.≤ 20
5.x1.+ 6x2.≤ 30
通过输入以下约束指定不等式。
A=[1,2;3,4;5,6];b=[10;20;30];
例子:要指定x分量的总和等于或小于1,请使用A=一(1,N)
和b=1
.
数据类型:双
Aeq
—线性等式约束线性等式约束,指定为实矩阵。Aeq
是一个我
——- - - - - -N
矩阵,我
是等式的个数,和N
是变量的数量(元素的数量x0
).对于大问题,请通过Aeq
作为稀疏矩阵。
Aeq
编码我
线性等式
Aeq * x =说真的
,
哪里x
是的列向量N
变量x(:)
和贝基
列向量是我
元素。
例如,考虑这些不等式:
x1.+ 2x2.+ 3x3.= 10
2.x1.+ 4x2.+x3.= 20,
通过输入以下约束指定不等式。
Aeq=[1,2,3;2,4,1];beq=[10;20];
例子:若要指定x分量的总和为1,请使用Aeq = 1 (1, N)
和beq=1
.
数据类型:双
贝基
—线性等式约束线性等式约束,指定为实向量。贝基
是一个我
-与元素相关的元素向量Aeq
矩阵,如果你通过的话贝基
作为行向量,解算器在内部进行转换贝基
到列向量说真的(:)
. 对于大问题,请通过贝基
作为稀疏向量。
贝基
编码我
线性等式
Aeq * x =说真的
,
哪里x
是的列向量N
变量x(:)
和Aeq
是一个大小矩阵我
——- - - - - -N
.
例如,考虑以下等式:
x1.+ 2x2.+ 3x3.= 10
2.x1.+ 4x2.+x3.= 20。
通过输入以下约束来指定相等项。
Aeq=[1,2,3;2,4,1];beq=[10;20];
例子:若要指定x分量的总和为1,请使用Aeq = 1 (1, N)
和beq=1
.
数据类型:双
磅
—下限下限,指定为实向量或实数组。如果x0
等于中的元素数磅
然后磅
指定
x(我)> =磅(我)
对所有我
.
如果元素个数(磅)<元素个数(x0)
然后磅
指定
x(我)> =磅(我)
对于1<=i<=numel(磅)
.
如果磅
元素数少于x0
,解算器发出警告。
例子:要指定所有x分量都为正值,请使用磅= 0(大小(x0))
.
数据类型:双
乌兰巴托
—上界上界,指定为实向量或实数组。如果元素的数量x0
等于中的元素数乌兰巴托
然后乌兰巴托
指定
x(i)<=ub(i)
对所有我
.
如果努梅尔(ub)<努梅尔(x0)
然后乌兰巴托
指定
x(i)<=ub(i)
对于1 <= I <= numel(ub)
.
如果乌兰巴托
元素数少于x0
,解算器发出警告。
例子:要指定所有x组件都小于1,请使用ub=个(尺寸(x0))
.
数据类型:双
nonlcon
—非线性约束非线性约束,指定为函数句柄或函数名。nonlcon
是接受向量还是数组的函数x
返回两个数组,c(x)
和ceq(x)
.
c(x)
非线性不等式约束数组在x
.fgoalattain
试图满足
c (x) < = 0
适用于C
.
ceq(x)
是一组非线性等式约束x
.fgoalattain
试图满足
量表(x) = 0
适用于ceq
.
例如,
x=fgoalattain(@myfun,x0,…@mycon)
哪里麦肯
是一个MATLAB函数,如下所示:
函数[c,ceq] = mycon(x)%计算非线性不等式在x. ceq =…计算x处的非线性等式。
假设也可以计算约束的梯度和这个指定约束约束梯度
选择是符合事实的
,由以下机构设定:
选择= optimoptions(‘fgoalattain’,‘SpecifyConstraintGradient’,真的)
在本例中,函数nonlcon
还必须在第三个和第四个输出参数中返回,GC
,梯度c(x)
和GCeq
,梯度ceq(x)
.看到非线性约束有关如何“条件化”渐变以在不接受提供的渐变的解算器中使用的说明,请参见。
如果nonlcon
返回一个向量C
属于M
组件和x
长度N
,在那里N
长度是多少x0
,然后是梯度GC
属于c(x)
是一个N
——- - - - - -M
矩阵,GC(i,j)
的偏导数是什么c (j)
关于x(我)
(即J
第列GC
是物体的梯度J
th不等式约束c (j)
).同样,如果ceq
有P
组件,梯度GCeq
属于ceq(x)
是一个N
——- - - - - -P
矩阵,GCeq (i, j)
的偏导数是什么量表(j)
关于x(我)
(即J
第列GCeq
是物体的梯度J
th等式约束量表(j)
).
请注意
设置指定约束约束梯度
到符合事实的
只有当指定对象半径
被设置为符合事实的
。在内部,目标被折叠到约束中,因此解算器需要同时提供梯度(目标和约束),以避免估计梯度。
请注意
因为优化工具箱™ 函数只接受类型为的输入双
,用户提供的目标和非线性约束函数必须返回类型的输出双
.
看到传递额外参数,以说明如何参数化非线性约束函数nonlcon
,如有需要。
数据类型:字符
|功能手柄
|字符串
选项
—优化选项最佳选择
|结构如优化集
返回的输出,指定为优化选项最佳选择
或一种结构,如优化集
的回报。
有些选项不在计划中最佳选择
陈列下表中以斜体显示这些选项。有关详细信息,请参阅查看选项.
有关具有不同名称的选项的详细信息优化集
看见当前和遗留选项名称.
选项 | 描述 |
---|---|
约束耐受性 |
约束冲突的终止容差,正标量。默认值是 对于 |
诊断学 | 显示有关要最小化或解决的功能的诊断信息。选项如下 |
DiffMaxChange | 有限差分梯度(正标量)变量的最大变化量。默认值是 |
DiffMinChange | 有限差分梯度变量的最小变化(正标量)。默认值是 |
|
显示水平(见迭代显示):
|
相等目标计数 |
目标所需的目标数量 对于 |
有限差分步长 |
有限差分的标量或向量步长因子。设置
符号′(x)=符号(x) 除了符号′(0)=1 .中心有限差分是
有限差分步长 展开为向量。默认值为sqrt(每股收益) 对于正向有限差分,以及每股收益^(1/3) 对于中心有限差分。对于 |
有限差分类型 |
用于估计梯度的有限差分类型 当估计这两种类型的有限差分时,该算法小心地遵守边界。例如,可能需要后退一步,而不是向前一步,以避免在边界之外的点进行计算。 对于 |
功能公差 |
函数值的终止容差(正标量)。默认值为 对于 |
欢乐支票 | 检查是否表示目标函数和约束值有效。 |
最大函数求值 |
允许的最大函数求值数(正整数)。默认值为 对于 |
最大迭代次数 |
允许的最大迭代次数(正整数)。默认值是 对于 |
MaxSQPIter | 允许的最大SQP迭代次数(正整数)。默认值是 |
功绩函数 | 如果此选项设置为 |
最佳耐受性 |
一阶最优性的终止容限(正标量)。默认值是 对于 |
OutputFcn |
优化函数在每次迭代时调用的一个或多个用户定义函数。传递函数句柄或函数句柄的单元格数组。默认为无( |
绘图仪 |
显示算法执行时各种进度度量的绘图。从预定义绘图中选择或编写自己的绘图。传递名称、函数句柄或名称或函数句柄的单元格数组。对于自定义绘图函数,传递函数句柄。默认为无(
自定义打印函数使用与输出函数相同的语法。请参阅优化工具箱的输出函数™和输出函数和绘图函数语法. 对于 |
RelLineSrchBnd | 线搜索步长上的相对界(实数非负标量值),以使 |
RelLineSrchBndDuration | 在中指定边界的迭代次数 |
指定约束约束梯度 |
用户定义的非线性约束函数的梯度。当此选项设置为 对于 |
指定对象半径 |
用户定义的目标函数的梯度。请参阅的说明 对于 |
StepTolerance |
端接公差 对于 |
TolConSQP | 内部迭代SQP约束违背(一个正标量)上的终止容忍。默认值是 |
典型的 |
典型的 |
使用并行 |
并行计算的指示。当 |
例子:optimoptions(“fgoalattain”、“PlotFcn”、“optimplotfval”)
未来值
-解的目标函数值解的目标函数值,以实数组形式返回。通常,未来值
=乐趣(x)
.
attainfactor
-成就因子成就因子,作为实数返回。attainfactor
包含的值γ在解决方案。如果attainfactor
是消极的,目标已经超额完成;如果attainfactor
是积极的,目标没有完全实现。看到目标
.
出口滞后
-理由fgoalattain
停止原因fgoalattain
已停止,作为整数返回。
|
函数收敛到一个解 |
|
搜索方向的大小小于指定的公差,约束违背小于 |
|
方向导数的大小小于规定的公差,约束违背小于 |
|
超过迭代次数 |
|
被输出函数或绘图函数停止 |
|
没有找到可行的点。 |
输出
-关于优化过程的信息有关优化过程的信息,以结构形式返回,包含此表中的字段。
迭代 |
迭代次数 |
funcCount |
函数计算次数 |
lssteplength |
直线搜索步骤相对于搜索方向的大小 |
违反合同 |
约束函数的极大值 |
步长 |
最后一次位移的长度 |
算法 |
使用的优化算法 |
firstorderopt |
一阶最优性测度 |
消息 |
退出消息 |
有关fgoalattain
算法和目标实现概念的讨论,请参见算法.
这个优化活动编辑器任务为fgoalattain
.
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。