fcn2optimexpr

Преобразуйте функцию в выражение оптимизации

Синтаксис

[out1,out2,...,outN] = fcn2optimexpr(fcn,in1,in2,...,inK)
[out1,out2,...,outN] = fcn2optimexpr(fcn,in1,in2,...,inK,Name,Value)

Описание

пример

[out1,out2,...,outN] = fcn2optimexpr(fcn,in1,in2,...,inK) преобразовывает функциональный fcn(in1,in2,...,inK) в выражение оптимизации, имеющее N выходные параметры.

пример

[out1,out2,...,outN] = fcn2optimexpr(fcn,in1,in2,...,inK,Name,Value) изменяет процесс создания выражения согласно параметрам, передаваемым по значению имени.

Примеры

свернуть все

Чтобы использовать функцию MATLAB™ в основанном на проблеме подходе, сначала преобразуйте его в выражение оптимизации.

Например, чтобы использовать целевую функцию -exp(-x2/2), создайте переменную x оптимизации и используйте ее в конвертированной анонимной функции:

x = optimvar('x');
obj = fcn2optimexpr(@(t)-exp(-t^2/2),x);
prob = optimproblem('Objective',obj);
showproblem(prob)
  OptimizationProblem : 

	minimize :
       anonymousFunction1(x)

       where:

         anonymousFunction1 = @(t)-exp(-t^2/2);
     

Для более комплексных функций преобразуйте файл функции. Например, предположите, что у вас есть файл функции под названием expfn2.m, который вычисляет цель в двух переменных оптимизации.

type expfn2
function f = expfn2(t,u)
f = -exp(-t^2/2)*u/(1 + u^2);

Включайте эту цель в проблему.

x = optimvar('x');
y = optimvar('y','LowerBound',0);
obj = fcn2optimexpr(@expfn2,x,y);
prob = optimproblem('Objective',obj);
showproblem(prob)
  OptimizationProblem : 

	minimize :
       expfn2(x, y)

	variable bounds:
       0 <= y

Если ваша функция имеет несколько выходных параметров, можно использовать их в качестве элементов целевой функции. Например, предположите, что u является переменной 2 на 2, и v 2 1 переменная, и expfn3 имеет три выходных параметров:

type expfn3
function [f,g,mineval] = expfn3(u,v)
mineval = min(eig(u));
f = v'*u*v;
f = -exp(-f);
t = u*v;
g = t'*t + sum(t) - 3;

Создайте соответственно измеренные переменные оптимизации и создайте целевую функцию от первых двух выходных параметров.

u = optimvar('u',2,2);
v = optimvar('v',2);
[f,g,mineval] = fcn2optimexpr(@expfn3,u,v);
prob = optimproblem;
prob.Objective = f*g/(1 + f^2);
showproblem(prob)
  OptimizationProblem : 

	minimize :
       ((arg2 .* arg3) ./ (1 + arg1.^2))

       where:

         [arg1,~,~] = expfn3(u, v);
         [arg2,~,~] = expfn3(u, v);
         [~,arg3,~] = expfn3(u, v);
     

Можно использовать mineval вывод в последующем ограничительном выражении.

В основанной на проблеме оптимизации ограничения являются двумя выражениями оптимизации с оператором сравнения (==, <= или >=) между ними. Можно использовать fcn2optimexpr, чтобы создать одно или оба выражения оптимизации.

Создайте ограничение, что expfn2 меньше чем или равен –1/2. Эта функция двух переменных находится в файле expfn2.m.

type expfn2
function f = expfn2(t,u)
f = -exp(-t^2/2)*u/(1 + u^2);

Создайте переменные оптимизации, преобразуйте файл функции в выражение оптимизации, затем выразите ограничение как confn.

x = optimvar('x');
y = optimvar('y','LowerBound',0);
expr1 = fcn2optimexpr(@expfn2,x,y);
confn = expr1 <= -1/2;
showconstr(confn)
  expfn2(x, y) <= (-0.5)

Щелкните по синей ссылке extraParams выше, чтобы видеть следующий вывод:

extraParams{1}:

-0.5000

Создайте другое ограничение, что expfn2 больше, чем x + y.

confn2 = expr1 >= x + y;

Создайте задачу оптимизации и поместите ограничения в проблему.

prob = optimproblem;
prob.Constraints.confn = confn;
prob.Constraints.confn2 = confn2;
showproblem(prob)
  OptimizationProblem : 

	minimize :
	subject to confn:
       expfn2(x, y) <= (-0.5)

	subject to confn2:
       expfn2(x, y) >= (x + y)

	variable bounds:
       0 <= y

Если объективное и нелинейное ограничение прибывает из общей, длительной функции, экономит время при помощи пары "имя-значение" 'ReuseEvaluation'. Например, rosenbrocknorm вычисляет и целевую функцию Розенброка и норму аргумента для использования в ограничении x24.

type rosenbrocknorm
function [f,c] = rosenbrocknorm(x)
pause(1) % Simulates time-consuming function
c = dot(x,x);
f = 100*(x(2) - x(1)^2)^2 + (1 - x(1))^2;

Создайте 2D переменную x оптимизации. Затем преобразуйте rosenbrocknorm в выражение оптимизации при помощи fcn2optimexpr, задав 'ReuseEvaluation'.

x = optimvar('x',2);
[f,c] = fcn2optimexpr(@rosenbrocknorm,x,'ReuseEvaluation',true);

Создайте цель и ограничительные выражения от возвращенных выражений. Включайте эти выражения в задачу оптимизации. Рассмотрите проблему с помощью showproblem.

prob = optimproblem('Objective',f);
prob.Constraints.cineq = c <= 4;
showproblem(prob)
  OptimizationProblem : 

	minimize :
  [argout,~] = generatedFunction_rosenbrocknorm_withReuse(x)

	subject to cineq:
  arg_LHS <= 4

  where:

    [~,arg_LHS] = generatedFunction_rosenbrocknorm_withReuse(x);

Решите проблему, начинающую с начальной точки x0.x = [-1;1], синхронизировав результат.

x0.x = [-1;1];
tic
[sol,fval,exitflag,output] = solve(prob,x0)
Local minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in 
feasible directions, to within the value of the optimality tolerance,
and constraints are satisfied to within the value of the constraint tolerance.

<stopping criteria details>
sol = struct with fields:
    x: [2×1 double]

fval = 3.6222e-11
exitflag = 
    OptimalSolution

output = struct with fields:
         iterations: 43
          funcCount: 161
    constrviolation: 0
           stepsize: 9.1067e-08
          algorithm: 'interior-point'
      firstorderopt: 6.3912e-07
       cgiterations: 10
            message: '↵Local minimum found that satisfies the constraints.↵↵Optimization completed because the objective function is non-decreasing in ↵feasible directions, to within the value of the optimality tolerance,↵and constraints are satisfied to within the value of the constraint tolerance.↵↵<stopping criteria details>↵↵Optimization completed: The relative first-order optimality measure, 6.391223e-07,↵is less than options.OptimalityTolerance = 1.000000e-06, and the relative maximum constraint↵violation, 0.000000e+00, is less than options.ConstraintTolerance = 1.000000e-06.↵↵'
             solver: 'fmincon'

toc
Elapsed time is 161.910171 seconds.

Время решения в секундах является почти тем же самым как количеством функциональных оценок. Этот результат показывает, что решатель снова использовал значения функции и не напрасно тратил время путем переоценки той же точки дважды.

Для более обширного примера смотрите Цель и Ограничения, Имеющие Общую Функцию в Последовательном или Параллельном, Основанном на проблеме.

Входные параметры

свернуть все

Функция, чтобы преобразовать, заданный как указатель на функцию.

Пример: @sin задает синусоидальную функцию

Типы данных: function_handle

Входной параметр, заданный как переменная MATLAB. Вход может иметь любой тип данных и любой размер.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical | char | string | struct | table | cell | function_handle | categorical | datetime | duration | calendarDuration | fi
Поддержка комплексного числа: Да

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: [out1,out2] = fcn2optimexpr(@fun,x,y,'OutputSize',[1,1],'Reuse',true) указывает, что out1 и out2 являются скалярами и что эти переменные будут снова использованы между целью и ограничительными функциями без перерасчета.

Размеры выходных выражений, заданных как:

  • Целочисленный вектор — Если существует один вывод out 1, OutputSize, задает размер out 1. Если существует несколько выходных параметров out 1, …, out N, OutputSize указывает, что все выходные параметры имеют тот же размер.

    Примечание

    Скаляр имеет размер [1,1].

  • Массив ячеек целочисленных векторов — размер вывода out j является jth элементом OutputSize.

Если вы не передаете пару "имя-значение" OutputSize, то fcn2optimexpr передает данные fcn в порядке определить размеры выходных параметров (см. Алгоритмы). Путем передачи OutputSize вы позволяете fcn2optimexpr пропустить этот шаг. Пропуск этой оценки экономит время. Кроме того, если вы не передаете пару "имя-значение" OutputSize, и если оценка сбоев fcn по любой причине, то fcn2optimexpr перестал работать также.

Пример: [out1,out2,out3] = fcn2optimexpr(@fun,x,'OutputSize',[1,1]) указывает, что эти три выходных параметров [out1,out2,out3] являются скалярами

Пример: [out1,out2] = fcn2optimexpr(@fun,x,'OutputSize',{[4,4],[3,5]}) указывает, что out1 имеет размер, 4 на 4, и out2 имеет размер 3 на 5.

Типы данных: double | cell

Включите допускающие повторное использование значения, заданный как false (не включайте), или true (включают).

ReuseEvaluation может сделать вашу проблему запущенной быстрее, когда, например, цель и некоторые нелинейные ограничения полагаются на общее вычисление. В этом случае решатель хранит значение для повторного использования везде, в случае необходимости, поэтому старается не повторно вычислять значение.

Существуют маленькие издержки во включении допускающих повторное использование значений, поэтому лучше включать допускающие повторное использование значения только для выражений, которые совместно используют значение.

Пример: [out1,out2,out3] = fcn2optimexpr(@fun,x,'ReuseEvaluation',true) позволяет out1, out2 и out3 использоваться во множественных вычислениях, с выходными параметрами, вычисляемыми только однажды на точку оценки

Типы данных: логический

Выходные аргументы

свернуть все

Выходной аргумент, возвращенный как OptimizationExpression. Размер выражения зависит от функции ввода.

Алгоритмы

Чтобы найти выходной размер каждого возвращенного выражения, когда вы не обеспечиваете OutputSize, fcn2optimexpr выполняет вашу функцию в следующем моменте для каждого элемента проблемных переменных.

  • Если существует конечная верхняя граница ub и конечная нижняя граница lb, точкой оценки является (lb + ub)/2 + ((ub - lb)/2)*eps.

  • Если существует конечная нижняя граница и никакая верхняя граница, точкой оценки является lb + max(1,abs(lb))*eps.

  • Если существует конечная верхняя граница и никакая нижняя граница, точкой оценки является ub - max(1,abs(ub))*eps.

  • Если нет никаких границ, точкой оценки является 1 + eps.

  • Кроме того, если переменная задана как целое число, точкой оценки является floor точки, данной ранее.

Возможно, что эта точка оценки приводит к ошибке в функциональной оценке. Чтобы избежать этой ошибки, задайте OutputSize.

Введенный в R2019a

Для просмотра документации необходимо авторизоваться на сайте