优化使用粒子群
此示例显示了如何优化使用incolmleswarm.求解器。
此示例中的目标函数是De Jong的第五个功能，该功能包含在全局优化工具箱软件中。
dejong5fcn.
此功能有25个本地最小值。
尝试使用默认值查找函数的最小值incolmleswarm.设置。
有趣= @ dejong5fcn;nvars = 2;rng.默认再现性的百分比[x，fval，exitflag] = particleswarm（乐趣，nvars）
优化结束：最后一个options的目标值中的相对变化.maxstallerations迭代率小于options.functionToleance。
X =1×2-31.9521 -16.0176
fval = 5.9288.
EXITFLAG = 1
是解决方案X全球最优？目前尚不清楚。查看函数图表明该函数在范围内的组件具有本地最小值[-50,50]。因此限制变量的范围[-50,50]帮助求解器定位全局最小值。
lb = [-50; -50];UB = -LB;[x，fval，出口氟rag] = particleswarm（有趣，nvars，lb，Ub）
优化结束：最后一个options的目标值中的相对变化.maxstallerations迭代率小于options.functionToleance。
X =1×2-16.0079 -31.9697
fval = 1.9920.
EXITFLAG = 1
这看起来很有希望：新解决方案较低fval.比前一个。但是X真正的全球解决方案？尝试用更多的粒子再次最小化，以更好地搜索该区域。
选项= Optimoptions（'particleswarm'那'群体化'，100）;[x，fval，ExitFlag] = ParticleSwarm（有趣，NVARS，LB，UB，选项）
优化结束：最后一个options的目标值中的相对变化.maxstallerations迭代率小于options.functionToleance。
X =1×2-31.9781 -31.9784
fval = 0.9980.
EXITFLAG = 1
这看起来更有希望。但这是一个答案是一个全球解决方案，以及如何准确？用混合函数重新运行求解器。incolmleswarm.之后调用混合函数incolmleswarm.完成它的迭代。
options.hybridfcn = @fmincon;[x，fval，ExitFlag] = ParticleSwarm（有趣，NVARS，LB，UB，选项）
优化结束：最后一个options的目标值中的相对变化.maxstallerations迭代率小于options.functionToleance。
X =1×2-31.9783 -31.9784
fval = 0.9980.
EXITFLAG = 1
incolmleswarm.以前发现基本上是相同的解决方案。这让你有一些信心incolmleswarm.报告最低限度，最终X是全球解决方案。
相关话题
您还可以从以下列表中选择一个网站：