优化功能使用`simulanealbnd`，基于问题的

打开实时脚本

此示例显示了如何使用基于问题的方法中的模拟退火最小化函数，当目标是一个函数文件（可能是未知内容）（“黑匣子”函数）。最小化的功能，dejong5fcn（x），全局优化工具箱包含。绘制功能。

dejong5fcn

图包含一个轴对象。轴对象包含2个类型表面的对象，轮廓。

创建一个2D优化变量X。这dejong5fcn函数期望变量为行向量，因此指定X作为2元素行矢量。

x = optimvar（“X”，1,2）;

使用dejong5fcn作为目标函数，将函数转换为使用FCN2OPTIMEXPR。

fun = fcn2optimexpr（@dejong5fcn，x）;

用目标函数创建优化问题乐趣。

prob = optimproblem（“客观的”，乐趣）;

将所有组件中的变量范围从–50到50。当您指定标量边界时，软件将界限扩展到所有变量。

X.LowerBound = -50;X.UpperBound = 50;

在边界内设置伪随机点。初始点是一个字段的结构X。

RNG默认％可再现性x0.x = x.lowerBound + rand（size（x.lowerbound））。*x.upperbound;

解决问题，指定simulanealbnd求解器。

[sol，fval] = solve（prob，x0，“求解器”，，，，“ simulanealbnd”）

使用simulanealbnd解决问题。优化终止：最佳功能值的更改小于options.functionTolerance。

sol =带有字段的结构：X：[-32.0371 -31.8792]

FVAL = 0.9980

也可以看看