Оптимизация CAGE содержит два алгоритма (NBI и gamultiobj), чтобы решить многоцелевые задачи оптимизации. Например, вы могли использовать тип NBI оптимизации, чтобы определить оптимальный крутящий момент по сравнению с кривой эмиссии NOx для механизма в рабочем диапазоне механизма. Чтобы решить эту проблему, необходимо задать две конкурирующих цели оптимизации, чтобы максимизировать крутящий момент при минимизации эмиссии NOx.
Настраивать новую многоцелевую оптимизацию:
Используйте мастер для Создания Оптимизации из Моделей, чтобы создать вашу оптимизацию. Можно сконфигурировать одну из целей в мастере. Необходимо выбрать или алгоритм NBI или алгоритм gamultiobj, чтобы решить многоцелевую оптимизацию.
Используйте gamultiobj для многоцелевой оптимизации больше чем с двумя целями и теми, которые не сглаженны. Такие проблемы могут работать лучше с gamultiobj, чем с NBI. Алгоритм gamultiobj только доступен, если вам установили продукт Global Optimization Toolbox.
Когда вы выбираете многоцелевой алгоритм, мастер автоматически создает вторую пустую цель для вас. Когда вы закончили мастер и возвращаетесь к представлению Optimization, можно сконфигурировать вторую цель (и добавить одну треть при желании).
Можно добавить граничное образцовое ограничение в мастере. Чтобы применить другие типы ограничений, необходимо использовать представление Optimization. Можно применяться линейный, эллипсоид, 1D таблица, 2D таблица и ограничения области значений, и некоторые ограничения конкретны, чтобы суммировать оптимизацию — ограничения суммы и табличные ограничения градиента.
Смотрите Ограничение Редактирования для деталей всех этих ограничений.
Можно использовать мастер, чтобы выбрать точки, где вы хотите запустить оптимизацию. Можно выбрать подходящую табличную сетку, набор данных, детальные образцовые рабочие точки, или использовать переменные сетболы. Можно также настроить значения переменных оптимизации в представлении Optimization. Смотрите Значения переменных Редактирования. Можно ввести значения вручную или импортировать их из наборов данных, таблиц или вывода существующей оптимизации.
Запустите оптимизацию с помощью процедуры для Запущенной Оптимизации.
Нажмите Run Optimization на панели инструментов, чтобы запустить оптимизацию с настройками по умолчанию.
Просмотрите результаты (см. Просмотр Ваших Результатов оптимизации). Для описаний оптимизации вывод, характерный для многоцелевых проблем, смотрите Инструменты для Оптимизации с Несколькими Решениями и Анализа Многоцелевых Результатов оптимизации.
Алгоритм gamultiobj использует функцию gamultiobj от продукта Global Optimization Toolbox и только доступен, если вам установили продукт Global Optimization Toolbox.
Для получения дополнительной информации на функции gamultiobj, смотрите Многоцелевую Оптимизацию (Global Optimization Toolbox) в Global Optimization Toolbox. Для опций CAGE см. gamultiobj Параметры Оптимизации.
Чтобы анализировать результаты, смотрите Инструменты для Оптимизации с Несколькими Решениями и Анализа Многоцелевых Результатов оптимизации.
Чтобы понять опции для алгоритма NBI, некоторое ограниченное понимание алгоритма требуется. Для получения дополнительной информации об алгоритме NBI смотрите следующую ссылку:
Нормально-граничное пересечение: новый метод для генерации поверхности Парето в нелинейных мультикритериальных задачах оптимизации, мне. Десять кубометров и Дж. Деннис, SIAM J. на оптимизации. 8 (3), 631-657 (1998).
Алгоритм NBI выполняется на двух шагах. Первый шаг должен найти глобальную переменную каждой цели индивидуально. Это называется теневой проблемой минимумов и является одно-объективной проблемой для каждой целевой функции. Стандартная программа MATLAB® fmincon используется, чтобы найти их. Если они найдены, они могут быть построены друг против друга. Например, рассмотрите оптимизацию NBI, которая одновременно максимизирует TQ и минимизирует эмиссию NOX. График друг против друга может напомнить следующее.
Второй шаг должен найти "лучший" набор решений для компромисса между вашими целями. Для этого, пробелы алгоритма NBI стартовые точки Npts в (n-1) гиперповерхности, S, который соединяет тень. В вышеупомянутом примере S является прямой линией, которая соединяет точки N и T. Для каждой из точек Npts на S алгоритм пытается максимизировать расстояние вдоль нормального далеко от этой поверхности (это расстояние маркировано L в следующей фигуре). Это называется подпроблемой NBI. Для каждой из точек подпроблемой NBI является одно-объективная проблема, и алгоритм использует стандартную программу fmincon MATLAB, чтобы решить его. Это проиллюстрировано ниже для примера TQ-NOX.
Фигура выше интервала показов точек между вперед (n-1) поверхность. Алгоритм пытается максимизировать расстояние L вдоль нормального далеко от поверхности. Следующие данные показывают конечное решение, найденное алгоритмом NBI.
Чтобы видеть, как настройки NBI используются в диалоговом окне Optimization Parameters, см. Параметры Оптимизации NBI.
