sdo.optimize

包:sdo

设计优化问题解决方案

全页折叠

语法

[param_opt, opt_info] = sdo.optimize (opt_fcn参数) [param_opt, opt_info] = sdo.optimize (opt_fcn参数,选项) [param_opt, opt_info] = sdo.optimize(概率)

描述

(param_opt,opt_info)= sdo.optimize (opt_fcn,参数)使用fmincon(默认的优化方法)来解决一个表单的设计优化问题:

$\underset{p}{最小值} F (p) 受 {\begin{array}{l} C_{l e 问} (p) \leq 0 \\ C_{e 问} (p) = 0 \\ 一个 \times p \leq B \\ {一个}_{e 问} \times p = B e 问 \\ l b \leq p \leq u b \end{array}$

在哪里

F-成本(目标)
p——设计变量
C_leq,C_情商-非线性不等式和平等约束
一个,B-线性不等式约束
一个_情商,B_情商-线性等式约束
磅,乌兰巴托-上界和下界p

(param_opt,opt_info)= sdo.optimize (opt_fcn,参数,选项)指定优化选项。对于参数估计，通常使用非线性最小二乘法:

选择= sdo.OptimizeOptions(‘法’,‘lsqnonlin’);

(param_opt,opt_info)= sdo.optimize (概率)使用包含要最小化的函数、设计变量和优化选项的结构。

输入参数

`opt_fcn`	成本函数最小化。优化求解器在优化过程中调用此函数。功能要求: 一个输入参数，它是一个向量`param.Continuous`要调优的对象。若要传递其他输入参数，请使用匿名函数。例如,`new_fcn = @(p) fcn(p,arg1,arg2，…)`。一个输出参数，它是一个结构与一个或多个以下字段: `F`-评估成本(目标)的价值`p`。求解最小化`F`。 `F`是一个`1 x1`翻倍。 `Cleq`-非线性不等式约束违反的取值为`p`。解算器满足`Cleq (p) < = 0`。 `Cleq`是一个双`mx₁`向量,`米`为非线性不等式约束的个数。 `量表信`-非线性等式约束违反的值`p`。解算器满足`量表(p) = = 0`。值是double`rx1`向量,`r`为非线性等式约束的个数。 `leq`-线性不等式约束违反的取值为`p`。解算器满足`leq (p) < = 0`。 `leq`是一个双`资料片`向量,`n`为线性不等式约束的个数。 `情商`-线性等式约束违反的值`p`。解算器满足`eq (p) = = 0`。 `情商`是一个双`这位朋友`向量或`[]`,在那里`年代`为线性等式约束的个数。要指定一个纯粹的可行性问题，省略`F`或一组`F = []`。要指定最小化问题，可以省略`Cleq`,`量表信`,`leq`和`情商`或将它们的值设置为`[]`。该软件使用数值扰动来计算成本梯度和违反约束的情况。如果要指定如何计算梯度，请包含第二个输出参数并设置`GradFcn`的属性`sdo.OptimizeOptions`来`“上”`。这个参数必须是一个结构与一个或多个以下字段: `F`——双`资料片`向量,其中包含`dF / dp (p)`,在那里`n`为标量参数的个数。 `Cleq`——双`nxm`矩阵包含`dCleq / dp (p)`,在那里`米`为非线性不等式约束的个数。 `量表信`——双`nxr`矩阵包含`dCeq / dp (p)`,在那里`r`为非线性等式约束的个数。必须返回所有适用的违反目标和约束的导数。例如，键入`编辑sdoExampleCostFunction`。
`参数`	一个`param.Continuous`对象或对象的向量。
`选项`	优化选项。 `选项`是否设置了使用`sdo.OptimizeOptions`。使用此选项设置来指定: 优化方法最大迭代次数公差
`概率`	具有以下字段的结构: `OptFcn`-要最小化的函数名。看到`opt_fcn`对于该函数的输入和输出参数的要求。 `参数`——一个`param.Continuous`对象或对象的向量 `选项`-优化选项，指定使用`sdo.OptimizeOptions`

输出参数

param_opt

一个param.Continuous对象或对象的向量，其中包含优化的参数值价值财产。

opt_info

优化信息。结构与一个或多个以下字段:

F-优化成本(目标)值。
Cleq-优化非线性不等式约束违反。
中指定非线性不等式约束时，将出现该字段opt_fcn。
值是amx₁向量，其中元素的顺序对应于中指定的顺序opt_fcn。正的值表示约束没有被满足。检查exitflag确认优化成功。
量表信-优化的非线性等式约束违反。
中指定非线性等式约束时，将出现该字段opt_fcn。
值是doublerx1向量，其中元素的顺序对应于中指定的顺序opt_fcn。任何非零值都表示约束没有得到满足。检查exitflag确认优化成功。
leq-优化线性等式约束违反。
如果指定一个线性等式约束，则会出现该字段opt_fcn。
值是double资料片向量，其中元素的顺序对应于中指定的顺序opt_fcn。非零值表示约束没有被满足。检查exitflag确认优化成功。
情商-优化线性等式约束违反。
如果在中指定线性等式约束，则会出现该字段opt_fcn。
值是double这位朋友向量，其中元素的顺序对应于中指定的顺序opt_fcn。非零值表示约束没有被满足。检查exitflag确认优化成功。
梯度-在优化参数值处的成本和约束梯度。看到优化算法如何构造最小化问题关于求解器如何计算梯度。
方法中指定的求解程序时，将出现此字段方法的属性sdo.OptimizeOptions计算梯度。
值是一个字段依赖的结构opt_fcn。
exitflag-整数标识算法终止的原因。看到fmincon,patternsearch和fminsearch的值和相应的终止原因的列表。
迭代-优化迭代次数
SolverOutput-具有特定于求解器的输出信息的结构。中指定的优化求解器决定该结构的域方法的属性sdo.OptimizeOptions。看到fmincon,patternsearch和fminsearch有关求解器输出及其说明的列表。
统计数据-包含优化期间收集的统计信息的结构，例如开始和结束时间、函数计算和重新启动的次数。

例子

全部折叠

优化模型的响应

打开生活的脚本

创建设计变量。

p = param.Continuous (“x”1);

指定优化选项。

选择= sdo.OptimizeOptions;选择。GradFcn =“上”;

优化参数。

[pOpt,opt_info] = sdo. optimization (@(p) sdoExampleCostFunction(p)，p,opts);

优化开始29-Feb-2020 03:54:13最大一阶Iter f -count f(x)约束步长最优性03 10 1 5 0.09 0 0.7 0.59 2 6 0.0716349 0.001047 0.0324 0.0129 37 0.0717968 9.127e-08 0.000302 2.37e-06局部最小找到满足约束条件。优化完成是因为目标函数在可行方向上是不递减的，使其落在最优公差的取值范围内，且约束满足约束公差的取值范围内。

提示

默认情况下，软件会在MATLAB中显示每次迭代的优化信息^®命令窗口。要了解更多有关显示的信息，请参阅:
- 迭代显示(优化工具箱)当优化方法指定为“fmincon”(默认),“fminsearch”,或“lsqnonlin”
- 显示到命令窗口选项(全局优化工具箱)当优化方法指定为“patternsearch”
属性配置此显示的级别MethodOptions.Display优化选项集的属性。