此示例显示了如何优化ODE的参数。
它还展示了如何避免在ode解决方案返回两次时计算目标和非线性约束函数。这个例子比较patternsearch
和遗传算法
在时间运行求解器和解决方案的质量方面。金宝搏官方网站
您需要一个并行计算工具箱™许可才能使用并行计算。
问题是改变火炮的位置和角度,让炮弹尽可能地飞出墙外。炮口初速为300米/秒。墙有20米高。如果加农炮离墙太近,就必须以太陡的角度发射,射弹就不能飞得足够远。如果加农炮离墙太远,炮弹也不能飞得足够远。
空气阻力使炮弹减速。阻力与速度的平方成正比,比例常数为0.02。重力作用于抛射体,使其以恒定的9.81 m/s向下加速2.因此,轨迹的运动方程x(t)是
在哪里
初始位置x0
和初始速度xp0
是二维向量。不过,初始高度x0 (2)
是0,因此初始位置仅取决于标量x0 (1)
.和初始速度xp0
大小为300(枪口初速),所以只取决于初始角度,一个标量。对于初始角度th
,xp0
=300 *(COS(TH),SIN(TH))
.因此,优化问题只依赖于两个标量,因此是一个二维问题。使用水平距离和角度作为决策变量。
ODE求解器要求您将模型表述为一阶系统。增加轨迹矢量(x1(t),x2(t)的时间导数(x'1(t),x'2(t))形成4-D轨迹载体。就这种增强的向量而言,微分方程变为
将微分方程写成函数文件,并保存在MATLAB中®路径。
功能F = [x(3);x(4);x(4)];% Initial,得到f(1)和f(2)正确NRM = norm(x(3:4)) * .02;速度的范数乘以常数f(3)= -x(3)* nrm;%水平加速度F (4) = -x(4)*nrm - 9.81;%的垂直加速度
设想ODE的解从离墙30米的角度出发PI / 3.
.
问题是找到初始位置x0 (1)
和初始角x0 (2)
最大限度地距离墙壁墙壁的距离。因为这是一个最大化问题,最小化距离的负面(见最大化和最小化).
使用patternsearch
要解决这个问题,您必须提供目标、约束、初始猜测和选项。
这两个文件是目标函数和约束函数。复制它们到您的MATLAB路径上的一个文件夹。
功能f = cannonobjective x0 (x) = (x (1); 0; 300 * cos (x (2)); 300 * sin (x (2)));索尔=数值(@cannonfodder [0, 15], x0);%找到y_2(t)= 0时的时间tzerofnd = fzero (@ (r)德瓦尔(sol r 2), [sol.x (2), sol.x(结束)]);然后求出该时刻的x坐标f =德瓦尔(sol zerofnd 1);f = - f;%取得最大化的距离功能[c,ceq] = cannonconstraint(x) ceq = [];x0 = [x (1), 0; 300 * cos (x (2)); 300 * sin (x (2)));索尔=数值(@cannonfodder [0, 15], x0);如果sol.y (1) < = 0投射物永远达不到墙c = 20 - sol.y(2,结束);其他的求弹丸穿过x = 0的时间zerofnd = fzero (@ (r)德瓦尔(溶胶,r, 1), [sol.x (2), sol.x(结束)]);然后求出这里的高度,用20减去C = 20 - 贬义(Sol,Zerofnd,2);结束
注意,目标函数和约束函数设置了它们的输入变量x0
到ODE求解器的4-D初始点。如果弹丸击中墙壁,ODE求解器不会停止。相反,约束函数简单地变成正的,表示一个不可行的初值。
初始位置x0 (1)
不能高于0,低于-200是无效的。(应该在-20附近,因为在没有空气阻力的情况下,最长的轨迹会以-20的角度开始PI / 4.
)。同样的,初始角度x0 (2)
不能低于0,不能高于PI / 2.
.设置边界稍微远离这些初始值:
磅= (-200;0.05);乌兰巴托=(1;π/ 2 . 05);x0 = [-30,pi / 3];%初始猜测
设置UseCompletePoll
选择真实
.这提供了更高质量的解决方案,并支持与并行处理的直接比较,因为并行计算需要此设置。
选择= optimoptions (“patternsearch”,'USECOMPLETEPOLL',真正的);
调用patternsearch
来解决这个问题。
抽搐%时间解决[xsolution、距离、eflag, outpt] = patternsearch (x0, @cannonobjective...[],[],[],[], 磅,乌兰巴托,@cannonconstraint toc选择)
优化终止:网格尺寸小于选项。MeshTolerance和constraint violation小于options. constraintolerance。xsolution = -28.8123 0.6095 distance = -125.9880 eflag = 1 outpt = struct with fields: function: @cannonobjective problemtype: 'nonlinearconstr' pollmethod: ' gppositivebasis2n ' maxconstraint: 0 searchmethod: [] iterations: 5 funccount: 269 meshsize: 8.9125e-07 rngstate: [1×1 struct] message: '优化终止:meshsize小于选项。MeshTolerance↵和约束违背小于options. constraintolerance。运行时间为0.792152秒。
从墙壁以0.6095弧度的角度开始,从墙上开始射弹约29米,在最远的距离,约126米。报告的距离是负的,因为目标函数是与墙壁的距离的负面。
可视化解决方案。
x0 = [xsolution (1), 0; 300 * cos (xsolution(2)); 300 *罪(xsolution (2)));索尔=数值(@cannonfodder [0, 15], x0);找出投射物落地的时间zerofnd = fzero (@ (r)德瓦尔(sol r 2), [sol.x (2), sol.x(结束)]);t = linspace (0, zerofnd);%等于plot的次数xs = deval(sol,t,1);%插值x值y =德瓦尔(sol t 2);%插值y值情节(x, y)上情节([0,0],[0,20],'K')%画墙Xlabel(的水平距离)ylabel('轨迹高度')传说('轨迹',“墙”,'位置','nw'([0 70])保持从
目标约束函数和非线性约束函数都调用ODE求解器来计算它们的值。在相同功能的目标和非线性约束避免调用求解器两次。的runcannon
文件实现此技术。将此文件复制到MATLAB路径上的文件夹。
功能[x, f, eflag, outpt] = runcannon (x0,选择)如果nargin == 1%没有提供选项选择= [];结束xLast = [];最后一位ode求解器被调用索尔= [];% ODE溶液结构有趣= @objfun;%目标函数,嵌套在下面cfun = @constr;%约束函数,嵌套在下面磅= (-200;0.05);乌兰巴托=(1;π/ 2 . 05);%叫patternsearch[x, f, eflag, outpt] = patternsearch (x0有趣, ,[],[],[],[], 磅,乌兰巴托,cfun选择);功能y = objfun (x)如果~ isequal (x, xLast)检查是否需要计算x0 = [x (1), 0; 300 * cos (x (2)); 300 * sin (x (2)));索尔=数值(@cannonfodder [0, 15], x0);xLast = x;结束%现在计算目标函数首先找出弹丸什么时候击中地面zerofnd = fzero (@ (r)德瓦尔(sol r 2), [sol.x (2), sol.x(结束)]);%然后计算当时的x位置y =德瓦尔(sol zerofnd 1);y = - y;取距离的负数结束功能[c,ceq] = constr(x) ceq = [];如果~ isequal (x, xLast)检查是否需要计算x0 = [x (1), 0; 300 * cos (x (2)); 300 * sin (x (2)));索尔=数值(@cannonfodder [0, 15], x0);xLast = x;结束%现在计算约束函数当射弹十字架x = 0时,请先找到zerofnd = fzero (@ (r)德瓦尔(溶胶,r, 1), [sol.x (1) sol.x(结束)]);然后求出这里的高度,用20减去C = 20 - 贬义(Sol,Zerofnd,2);结束结束
重新初始化问题并确定调用的时间runcannon
.
x0 =(-30;π/ 3);Tic [xsolution,distance,eflag,outpt] = runcannon(x0,opts);toc
优化终止:网格尺寸小于选项。MeshTolerance和constraint violation小于options. constraintolerance。运行时间为0.670715秒。
解算器比以前跑得快。如果您检查这个解决方案,您会看到输出是相同的。
尝试通过并行计算来节省更多时间。首先打开一个并行的工作人员池。
parpool
使用“本地”配置文件启动Parpool ...连接到并行池(工人数量:6)。ANS = ProcessPool具有属性:Connected:True NumWorkers:6群集:本地连接文件:{} autoaddclientPath:true idledimeout:30分钟(剩余30分钟)spmded:true
设置使用并行计算的选项,并重新运行求解器。
选择= optimoptions (“patternsearch”选择,“UseParallel”,真正的);x0 =(-30;π/ 3);Tic [xsolution,distance,eflag,outpt] = runcannon(x0,opts);toc
优化终止:网格尺寸小于选项。MeshTolerance和constraint violation小于options. constraintolerance。运行时间为1.894515秒。
在这种情况下,并行计算较慢。如果您检查这个解决方案,您会看到输出是相同的。
你也可以尝试使用遗传算法来解决这个问题。然而,遗传算法通常速度较慢,可靠性较差。
如上所述相同功能的目标和非线性约束,您无法在使用时节省时间遗传算法
的嵌套函数技术patternsearch
在步骤4中,相反,呼叫遗传算法
通过设置适当的选项并行。
选项= Optimoptions(“遗传算法”,“UseParallel”,真正的);rng默认的重复性的%抽搐%时间解决[xsolution、距离、eflag, outpt] = ga (@cannonobjective 2...[],[],[],[], 磅,乌兰巴托,toc @cannonconstraint、期权)
优化终止:适应度值的平均变化小于选项。函数容忍度和约束违背小于options. constraintolerance。xsolution = -37.6217 0.4926 distance = -122.2181 eflag = 1 outpt = struct with fields: problemtype: 'nonlinearconstr' rngstate: [1×1 struct] generations: 4 funccount: 9874 message: '优化终止:健康值的平均变化小于选项。函数容忍↵和约束违背小于options. constraintolerance。' maxconstraint: 0 hybridflag: [] Elapsed time is 12.529131秒。
的遗传算法
解决方案不如patternsearch
解决方案:122米与126米。遗传算法
需要更多的时间:大约12秒而不是2秒;patternsearch
在串行和嵌套中花费的时间更少,不到1秒。运行遗传算法
连续运行的时间更长,一次测试大约需要30秒。