NonsMooth函数的平滑配方 - Matlab＆Simulink金宝appGydF4y2Ba - 金宝app,下载188bet金宝搏,金宝搏官方网站

光滑功能的光滑配方GydF4y2Ba

为了平滑否则的非现场问题，您有时可以添加辅助变量。例如，GydF4y2Ba

FGydF4y2Ba（GydF4y2BaXGydF4y2Ba）= max（GydF4y2BaGGydF4y2Ba（GydF4y2BaXGydF4y2Ba），GydF4y2BaHGydF4y2Ba（GydF4y2BaXGydF4y2Ba））GydF4y2Ba

即使在什么时候也可以是一个非现状GydF4y2BaGGydF4y2Ba（GydF4y2BaXGydF4y2Ba）和GydF4y2BaHGydF4y2Ba（GydF4y2BaXGydF4y2Ba）光滑，如以下功能所示。GydF4y2Ba

$\begin{array}{l} GGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba =GydF4y2Ba 罪GydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba \\ HGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba =GydF4y2Ba cosGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba \\ FGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba =GydF4y2Ba 最大限度GydF4y2Ba （GydF4y2Ba GGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba 那GydF4y2Ba HGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba 的）GydF4y2Ba 。GydF4y2Ba \end{array}$

FGydF4y2Ba（GydF4y2BaXGydF4y2Ba）是在点的非本地GydF4y2BaXGydF4y2Ba=GydF4y2Baπ.GydF4y2Ba/ 4.GydF4y2Ba和GydF4y2BaXGydF4y2Ba= 5GydF4y2Baπ.GydF4y2Ba/ 4.GydF4y2Ba。GydF4y2Ba

Max的正弦和余弦在x = pi / 4时是非光滑的，x = 5 * pi / 4GydF4y2Ba

创建图形的代码GydF4y2Ba

这种缺乏平滑可能会导致优化工具箱™求解器的问题，所有这些都假设客观函数和非线性约束函数是连续可微分的。所以，如果你试图解决GydF4y2Ba

XGydF4y2Ba= min.GydF4y2Ba_T.GydF4y2Ba（GydF4y2BaFGydF4y2Ba（GydF4y2BaT.GydF4y2Ba））GydF4y2Ba从点开始GydF4y2BaX0.GydF4y2Ba= 1，GydF4y2Ba

您没有获得1的出口标志，因为解决方案在局部最小化点处不分辨率GydF4y2BaXGydF4y2Ba=GydF4y2Baπ.GydF4y2Ba/ 4.GydF4y2Ba。GydF4y2Ba

fun1 = @sin;fun2 = @cos;fun = @（x）max（fun1（x），fun2（x））;[x1，fval1，eflag1] = fminunc（有趣，1）GydF4y2Ba

地方最低可能。Fminunc停止，因为它无法沿当前搜索方向降低目标函数。<停止标准详细信息> X1 = 0.7854 FVAL1 = 0.7071 EFLAG1 = 5GydF4y2Ba

有时，您可以使用辅助变量将NONSMOOTH问题变为平滑问题。对于前面的示例，请考虑辅助变量GydF4y2BayGydF4y2Ba具有平稳的约束GydF4y2Ba

$\begin{array}{l} yGydF4y2Ba \geqGydF4y2Ba GGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba \\ yGydF4y2Ba \geqGydF4y2Ba HGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba 。GydF4y2Ba \end{array}$

考虑优化问题，受这些约束，GydF4y2Ba

$\underset{XGydF4y2Ba}{闵GydF4y2Ba} yGydF4y2Ba 。GydF4y2Ba$

由此产生的解决方案GydF4y2BaXGydF4y2Ba那GydF4y2BayGydF4y2Ba是原始问题的解决方案GydF4y2Ba

$\underset{XGydF4y2Ba}{闵GydF4y2Ba} FGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba =GydF4y2Ba \underset{XGydF4y2Ba}{闵GydF4y2Ba} 最大限度GydF4y2Ba （GydF4y2Ba GGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba 那GydF4y2Ba HGydF4y2Ba （GydF4y2Ba XGydF4y2Ba 的）GydF4y2Ba 的）GydF4y2Ba 。GydF4y2Ba$

该配方使用基于问题的方法。GydF4y2Ba

myvar = Optimvar（GydF4y2Ba“myvar”GydF4y2Ba）;auxvar = Optimvar（GydF4y2Ba“auxvar”GydF4y2Ba）;SMPROB = OptimProblem（GydF4y2Ba“客观的”GydF4y2Ba，auxvar）;smprob.constraints.cons1 = auxvar> = sin（myvar）;smprob.constraints.cons2 = auxvar> = cos（myvar）;x0.myvar = 1;x0.auxvar = 1;[Sol2，FVAL2，EFLAG2] =求解（SMPROB，X0）GydF4y2Ba

使用Fmincon解决问题。发现满足约束的局部最小值。优化完成，因为目标函数在可行的方向上是非减小的，以便在最优耐受性的值内，并且对约束公差的值满足约束。sol2 =带字段的struct：auxvar：0.7071 myvar：0.7854 fval2 = 0.7071 eflag2 = OptimalsolutionGydF4y2Ba

同样的概念是制定的制定GydF4y2Bafminimax.GydF4y2Ba功能;看GydF4y2Ba目标达到方法GydF4y2Ba。GydF4y2Ba

也可以看看GydF4y2Ba

FgoalattainGydF4y2Ba|GydF4y2Bafminimax.GydF4y2Ba

光滑功能的光滑配方GydF4y2Ba

也可以看看GydF4y2Ba

相关话题GydF4y2Ba