优化使用粒子群

打开直播脚本

此示例显示了如何优化使用partminleswarm.求解器。

此示例中的目标函数是De Jong的第五个功能，包括全局优化工具箱软件。

dejong5fcn.

图包含轴。轴包含2个类型的表面，轮廓。

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partminleswarm.设置。

有趣= @ dejong5fcn;nvars = 2;RNG.默认重复性的％[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.functionTolectance。

X =1×2-31.9521 -16.0176

fval = 5.9288.

EXITFLAG = 1

是解决方案X全球最佳？此时尚不清楚。查看函数图表明该函数对范围内的组件具有本地最小值[-50,50]。所以限制变量的范围[-50,50]帮助求解器定位全局最小值。

lb = [-50; -50];UB = -LB;[x，fval，exitflag] = 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.functionTolectance。

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？尝试使用更多粒子再次最小化，以更好地搜索该区域。

选项= Optimoptions（'particleswarm'那'群体化'，100）;[x，fval，出口氟rag] = 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.functionTolectance。

X =1×2-31.9781 -31.9784

fval = 0.9980.

EXITFLAG = 1

这看起来更有希望。但是这是一个全球解决方案，而且是多么准确？用混合函数重新运行求解器。partminleswarm.之后调用混合函数partminleswarm.完成它的迭代。

options.hybridfcn = @fmincon;[x，fval，出口氟rag] = 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.functionTolectance。

X =1×2-31.9783 -31.9784

fval = 0.9980.

EXITFLAG = 1

partminleswarm.以前发现基本上是相同的解决方案。这让你有一些信心partminleswarm.报告最低限度，最终X是全球解决方案。

全局优化工具箱文档