如何解决绝对问题优化

55视图(30天)

显示旧的评论

Jayachandra Malavatu 约3小时前

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/1980099-how-to-solve-absolute-problem-in-optimization

评论道: Torsten 2分钟前

你好,我想要解决一个二次优化问题 (概率。目标= ((PgridV) ^ 2)总和;) 限制了我有一个变量中,我需要找到的绝对值 (Pb1dc) 。所以我介绍一个名为“K”的变量。K - K < = Pb1dc < =;

通知你:我用absoulte价值以下约束(prob.Constraints.loadBalanceAC = Pb1 = = Pb1dc - (0.05 * K),)

MATLAB解决exactely显示我想要的。它工作得很好。

然而,当我想和小修改之后(恰克的目标函数概率。目标= ((PgridV-M) ^ 2)和 ;)M是一个参考信号(Pload的意思),当我运行仿真

绝对价值(K)没有得到exactley来说意味着什么。它显示随机值(K =绝对( (Pb1dc))

                          clc
                         
                          清晰的所有
                         
                          Pload = [0, 1, 3, 4、2、6、9、10; 2, 4];%的负载
                         
                          N = 10;
                         
                          M =意味着(Pload) + 0 (N, 1);
                         
                          Einit1 = 0.5;%初始能量
                         
                          E = 0 (N, 1);
                         
                          Emin1 = 0;%迷你能源
                         
                          Emax1 = 3;
                         
                          dt = 1;
                         
                          概率= optimproblem;
                         
                          PgridV = optimvar (“PgridV”N下界的0,“UpperBound”,20);%电网电力
                         
                          Pb1 = optimvar (“Pb1”N下界的,1“UpperBound”1);%交流电源
                         
                          Pb1dc = optimvar (“Pb1dc”N下界的,1“UpperBound”1);%直流电源
                         
                          K = optimvar (“K”N下界的,0);%的绝对(Pb1dc)
                         
                          EbattV1 = optimvar (“EbattV1”N下界的Emin1,“UpperBound”,Emax1);%的能量
                         
                          概率。ObjectiveSense =“最小化”;
                         
                          %概率。目标= (k . ^ 2)之和;
                         
                          %概率。目标= ((PgridV) ^ 2)总和;
                         
                          概率。目标= ((PgridV-M) ^ 2)总和;
                         
                          % 1约束
                         
                          prob.Constraints。energyBalance = optimconstr (N);
                         
                          prob.Constraints.energyBalance (1) = EbattV1 (1) = = Einit1-Pb1dc (1) * dt;%普洛斯constanat
                         
                          prob.Constraints.energyBalance (2: n - 1) = EbattV1 (2: n - 1) = = EbattV1 (1: n - 2) -Pb1dc dt (2: n - 1) *;
                         
                          prob.Constraints.energyBalance (N) = EbattV1 (N) = = Einit1;
                         
                          % K限制为Pb1dc modulous
                         
                          prob.Constraints.kbalance1 = optimconstr (N);
                         
                          prob.Constraints.kbalance1 (1: N) = - k (1: N) < = Pb1dc (1: N);
                         
                          prob.Constraints.kbalance2 = optimconstr (N);
                         
                          prob.Constraints.kbalance2 (1: N) = Pb1dc (1: N) < = K (1: N);
                         
                          %负载平衡
                         
                          prob.Constraints.loadBalance = PgridV + Pb1 = = Pload;
                         
                          %损失项
                         
                          prob.Constraints.loadBalanceAC = Pb1 = = Pb1dc - (0.05 * K);
                         
                          选择= optimoptions (prob.optimoptions,“显示”,“最后一次”);
                         
                          %选项= optimoptions (prob.optimoptions、“算法”、“内点”);
                         
                          (价值观、fval exitflag) =解决(概率,“选项”选项)
                         
                            使用lsqlin解决问题。最低发现满足约束。优化完成,因为目标函数中引入可行的方向,在最优值的宽容,和约束满足约束的值公差内。

                             值=结构体字段:
                            
                             EbattV1(10×1双):凯西:[10×1双]Pb1:[10×1双]Pb1dc:[10×1双]PgridV:(10×1双)

                            fval = 57.4575

                             exitflag =
                            
                             OptimalSolution

                          %解析optmization结果
                         
                          如果exitflag < = 0
                         
                          PgridV = 0 (N, 1);
                         
                          Pb1 = 0 (N, 1);
                         
                          Pb1dc = 0 (N, 1);
                         
                          EbattV1 = 0 (N, 1);
                         
                          K = 0 (N, 1);
                         
                          其他的
                         
                          PgridV =值。PgridV;
                         
                          Pb1 = values.Pb1;
                         
                          Pb1dc = values.Pb1dc
                         
                          EbattV1 = values.EbattV1;
                         
                          K = values.K
                         
                          结束
                         
                             Pb1dc =
                             10×1
                            
                              -0.6434 -0.6204 -0.6701 0.1224 -0.6886 1.0000 1.0000 1.0000 -0.8624 -0.0018

                             K =
                             10×1
                            
                              7.1327 7.5914 6.5986 4.4490 6.2283 1.0000 1.0000 1.0000 2.7522 1.9640

。

4评论
显示3年长的评论隐藏3年长的评论

Torsten 2分钟前

编辑:Torsten 不到一分钟前

上面列出的K值怎么了?

他们不是定义为绝对值Pb1dc的约束。

你的约束条件是abs (Pb1dc) < = K。

登录置评。

在回答这个问题。

答案(1)

Jayachandra Malavatu 约2小时前

0
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/1980099-how-to-solve-absolute-problem-in-optimization answer_1252499

15个评论
显示14个年长的评论隐藏14年长的评论

Jayachandra Malavatu 5分钟前

我有修改

有趣= @ (x, y) x-abs (y);

prob.Constraints.kbalance1 = optimconstr (N);

prob.Constraints.kbalance1 (1: N) = fcn2optimexpr(有趣,K, Pb1dc) = = 0;

与

prob.Constraints.kbalance1 = optimconstr (N);

prob.Constraints.kbalance1 (1: N) = - k (1: N) < = Pb1dc (1: N);

prob.Constraints.kbalance2 = optimconstr (N);

prob.Constraints.kbalance2 (1: N) = Pb1dc (1: N) < = K (1: N);。

. .

. .我得到以下错误,因为我从来没有fmincon使用

使用fmincon解决问题。

错误使用optim.problemdef.OptimizationProblem /解决

解决需要一个非空的初始点结构来解决非线性问题。

错误modfun_effi_loss(48)行

(价值观、~ exitflag) =解决(问题、“选项”选项);

Torsten 35分钟前

编辑:Torsten 34分钟前

                                   clc
                                  
                                   清晰的所有
                                  
                                   Pload = [0, 1, 3, 4、2、6、9、10; 2, 4];%的负载
                                  
                                   N = 10;
                                  
                                   M =意味着(Pload) + 0 (N, 1);
                                  
                                   Einit1 = 0.5;%初始能量
                                  
                                   E = 0 (N, 1);
                                  
                                   Emin1 = 0;%迷你能源
                                  
                                   Emax1 = 3;
                                  
                                   dt = 1;
                                  
                                   概率= optimproblem;
                                  
                                   PgridV = optimvar (“PgridV”N下界的0,“UpperBound”,20);%电网电力
                                  
                                   Pb1 = optimvar (“Pb1”N下界的,1“UpperBound”1);%交流电源
                                  
                                   Pb1dc = optimvar (“Pb1dc”N下界的,1“UpperBound”1);%直流电源
                                  
                                   K = optimvar (“K”N下界的,0);%的绝对(Pb1dc)
                                  
                                   EbattV1 = optimvar (“EbattV1”N下界的Emin1,“UpperBound”,Emax1);%的能量
                                  
                                   概率。ObjectiveSense =“最小化”;
                                  
                                   %概率。目标= (k . ^ 2)之和;
                                  
                                   %概率。目标= ((PgridV) ^ 2)总和;
                                  
                                   概率。目标= ((PgridV-M) ^ 2)总和;
                                  
                                   % 1约束
                                  
                                   prob.Constraints。energyBalance = optimconstr (N);
                                  
                                   prob.Constraints.energyBalance (1) = EbattV1 (1) = = Einit1-Pb1dc (1) * dt;%普洛斯constanat
                                  
                                   prob.Constraints.energyBalance (2: n - 1) = EbattV1 (2: n - 1) = = EbattV1 (1: n - 2) -Pb1dc dt (2: n - 1) *;
                                  
                                   prob.Constraints.energyBalance (N) = EbattV1 (N) = = Einit1;
                                  
                                   % K限制为Pb1dc modulous
                                  
                                   prob.Constraints.kbalance1 = optimconstr (N);
                                  
                                   prob.Constraints.kbalance1 = k . ^ 2-Pb1dc ^ 2 = = 0;
                                  
                                   %负载平衡
                                  
                                   prob.Constraints.loadBalance = PgridV + Pb1 = = Pload;
                                  
                                   %损失项
                                  
                                   prob.Constraints.loadBalanceAC = Pb1 = = Pb1dc - (0.05 * K);
                                  
                                   x0.PgridV = 3 + 0 (N, 1);
                                  
                                   x0.Pb1 = 1 + 0 (N, 1);
                                  
                                   x0.Pb1dc = 1 + 0 (N, 1);
                                  
                                   x0.K = 1 + 0 (N, 1);
                                  
                                   x0.EbattV1 = 1.5 + 0 (N, 1);
                                  
                                   选择= optimoptions (prob.optimoptions,“显示”,“最后一次”);
                                  
                                   %选项= optimoptions (prob.optimoptions、“算法”、“内点”);
                                  
                                   (价值观、fval exitflag) =解决(x0,概率“选项”选项)
                                  
                                     使用lsqnonlin解决问题。局部最小值发现,满足约束。优化完成,因为目标函数中引入可行的方向,在最优值的宽容,和约束满足约束的值公差内。

                                      值=结构体字段:
                                     
                                      EbattV1(10×1双):凯西:[10×1双]Pb1:[10×1双]Pb1dc:[10×1双]PgridV:(10×1双)

                                     fval = 58.5791

                                      exitflag =
                                     
                                      OptimalSolution

                                   %解析optmization结果
                                  
                                   如果exitflag < = 0
                                  
                                   PgridV = 0 (N, 1);
                                  
                                   Pb1 = 0 (N, 1);
                                  
                                   Pb1dc = 0 (N, 1);
                                  
                                   EbattV1 = 0 (N, 1);
                                  
                                   K = 0 (N, 1);
                                  
                                   其他的
                                  
                                   PgridV =值。PgridV;
                                  
                                   Pb1 = values.Pb1;
                                  
                                   Pb1dc = values.Pb1dc
                                  
                                   EbattV1 = values.EbattV1;
                                  
                                   K = values.K
                                  
                                   结束
                                  
                                      Pb1dc =
                                      10×1
                                     
                                       -0.9524 -0.9524 -0.3679 0.7251 -0.9524 1.0000 1.0000 1.0000 -0.9524 -0.0952

                                      K =
                                      10×1
                                     
                                       0.9524 0.9524 0.3679 0.7251 0.9524 1.0000 1.0000 1.0000 0.9524 0.0952

Torsten 2分钟前

是的。介绍了非线性约束lsqnonlin最近。

登录置评。

在回答这个问题。

下载188bet金宝搏

MATLAB编码器

释放

R2022a

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!