最小化多目标函数受到约束

多目标优化包括最小化或最大化的多目标功能受到一组约束。实施例的问题包括分析设计折衷,选择最佳产品或工艺的设计中,或在需要与两个或多个冲突的目标之间的折衷的最佳解决方案的任何其他应用。

针对多目标优化的常用方法包括:

  • 目标的实现:减少一个线性或非线性矢量函数的值达到在目标矢量的目标值。的目标的相对重要性,使用的权重向量来表示。目标实现的问题也可能会受到线性和非线性约束。
  • 极小:最小化的一组多变量函数,可能受线性和非线性约束的最坏情况下的值。
  • Pareto前沿:认定劣解决方案,也就是说,溶液,其中金宝搏官方网站在一个目标的改进需要在另一个降级。金宝搏官方网站解决方案发现无论是直接的(图案)搜索求解器或遗传算法。既可以适用于平滑或具有线性和非线性约束非光滑的问题。

这两个目标达到和极小极大问题可以通过将问题划分为一个标准的约束优化问题,然后使用标准的解算器,以找到解决方案来解决。欲了解更多信息,请参阅优化工具箱™全局优化工具箱

也可以看看:优化工具箱全局优化工具箱优化设计线性规划二次规划整数编程非线性规划遗传算法模拟退火