Существует два способа задать опции для поиска шаблона, в зависимости от того, используете ли вы приложение Оптимизации или вызываете функциональный patternsearch
в командной строке:
Если вы используете приложение Оптимизации, вы задаете опции путем выбирания опции из выпадающего списка или путем ввода значения опции в текстовом поле.
Если вы вызываете patternsearch
из командной строки вы задаете опции путем создания options
объект с помощью функционального optimoptions
, можно следующим образом:
options = optimoptions('patternsearch','Param1',value1,'Param2',value2,...);
См. Опции Набора для примеров.
В этом разделе каждая опция перечислена двумя способами:
Его меткой, как это появляется в приложении Оптимизации
Его именем поля в options
объект
Например:
Poll method относится к метке опции в приложении Оптимизации.
PollMethod
относится к соответствующему полю options
объект.
Опции графика позволяют вам отобразить данные на графике из поиска шаблона, в то время как это запускается. Когда вы выбираете функции построения графика и запускаете поиск шаблона, окно графика отображает графики на отдельных осях. Можно остановить алгоритм в любое время путем нажатия кнопки Stop на окне графика.
Для patternsearch
, Plot interval (PlotInterval
) задает количество итераций между последовательными вызовами функции построения графика.
Можно выбрать любой из следующих графиков в панели Plot functions для patternsearch
или paretosearch
с одной целевой функцией.
Best function value ('psplotbestf'
) строит лучшее значение целевой функции.
Function count ('psplotfuncount'
) строит количество вычислений функции.
Mesh size ('psplotmeshsize'
) строит размер mesh.
Best point ('psplotbestx'
) строит текущую лучшую точку.
Max constraint ('psplotmaxconstr'
) строит максимальное нелинейное нарушение ограничений.
Custom позволяет вам использовать свою собственную функцию построения графика. Задавать функцию построения графика с помощью приложения Оптимизации,
Выберите Custom function.
Введите @myfun
в текстовом поле, где myfun
имя вашей функции.
Структура Функций построения графика описывает структуру функции построения графика.
Для paretosearch
с несколькими целевыми функциями можно выбрать 'psplotfuncount'
опция или пользовательская функция, которую вы передаете как указатель на функцию или любая из следующих функций.
'psplotdistance'
— Постройте метрику расстояния. См. paretosearch Алгоритм.
'psplotmaxconstr'
— Постройте максимальное нелинейное нарушение ограничений.
'psplotparetof'
— Постройте значения целевой функции. Применяется к трем или меньшему количеству целей.
'psplotparetox'
— Постройте текущие точки в пространстве параметров. Применяется к трем или меньшему количеству размерностей.
'psplotspread'
— Постройте метрику распространения. См. paretosearch Алгоритм.
'psplotvolume'
— Постройте метрику объема. См. paretosearch Алгоритм.
Отобразить график при вызове patternsearch
или paretosearch
из командной строки, набор PlotFcn
опция, чтобы быть встроенным именем функции построения графика или указателем на функцию построения графика. Например, чтобы отобразить лучшее значение функции, установите options
можно следующим образом:
options = optimoptions('patternsearch','PlotFcn','psplotbestf');
Чтобы отобразить несколько графиков, используйте массив ячеек встроенных имен функции построения графика или cell-массива указателей на функцию:
options = optimoptions('patternsearch','PlotFcn', {@plotfun1, @plotfun2, ...});
где @plotfun1
, @plotfun2
, и так далее указатели на функцию в функции построения графика (перечисленный в круглых скобках в предыдущем списке).
Если вы задаете больше чем одну функцию построения графика, все графики появляются как подграфики в том же окне. Щелкните правой кнопкой по любому подграфику, чтобы получить увеличенную версию в отдельном окне рисунка.
Первая линия функции построения графика имеет форму
function stop = plotfun(optimvalues, flag)
Входные параметры к функции
optimvalues
— Структура, содержащая информацию о текущем состоянии решателя. Структура содержит следующие поля для patternsearch
:
x
CurrentPoint
iteration
— Номер итерации
fval
— Значение целевой функции
meshsize
— Текущий размер mesh
funccount
— Количество вычислений функции
method
— Метод используется в последней итерации
TolFun
— Допуск на значении функции в последней итерации
TolX
— Допуск на x
значение в последней итерации
nonlinineq
— Нелинейные ограничения неравенства, отображенные только, когда нелинейная ограничительная функция задана
nonlineq
— Нелинейные ограничения равенства, отображенные только, когда нелинейная ограничительная функция задана
Структура содержит следующие поля для paretosearch
:
x
CurrentPoint
fval
— Значение целевой функции
iteration
— Номер итерации
funccount
— Количество вычислений функции
nonlinineq
— Нелинейные ограничения неравенства, отображенные только, когда нелинейная ограничительная функция задана
nonlineq
— Нелинейные ограничения равенства, всегда пустой []
volume
— Мера по объему (см. Определения для paretosearch Алгоритма),
averagedistance
— Мера по расстоянию (см. Определения для paretosearch Алгоритма),
spread
— Распространите меру (см. Определения для paretosearch Алгоритма),
flag
— Текущее состояние, в котором называется функция построения графика. Возможные значения для flag
'init'
— Состояние инициализации
'iter'
— Состояние итерации
'interrupt'
— Промежуточная стадия
'done'
— Конечное состояние
Для получения дополнительной информации flag
, смотрите Структуру Выходной функции.
Передача Дополнительных Параметров (Optimization Toolbox) объясняет, как предоставить дополнительные параметры функции.
Выходной аргумент stop
обеспечивает способ остановить алгоритм в текущей итерации. stop
может иметь следующие значения:
false
— Алгоритм продолжается к следующей итерации.
true
— Алгоритм останавливается в текущей итерации.
Опросите управление опциями, как поиск шаблона опрашивает точки mesh в каждой итерации.
Poll method (PollMethod
) задает шаблон использование алгоритма, чтобы создать mesh. Существует два шаблона для каждого из классов прямых алгоритмов поиска: алгоритм обобщенного поиска шаблона (GPS), алгоритм генерации поиска набора (GSS) и алгоритм mesh адаптивного прямого поиска (MADS). Эти шаблоны являются Положительным основанием 2 Н и Положительным основанием N+1:
Шаблон по умолчанию для patternsearch
, GPS Positive basis 2N
('GPSPositiveBasis2N'
), состоит из следующих векторов на 2 Н, где N является количеством независимых переменных для целевой функции.
[1 0 0...0][0 1 0...0] ...[0 0 0...1][–1 0 0...0][0 –1 0...0][0 0 0...–1].
Например, если задача оптимизации имеет три независимых переменные, шаблон состоит из следующих шести векторов.
[1 0 0][0 1 0][0 0 1][–1 0 0][0 –1 0][0 0 –1].
GSS Positive basis 2N
шаблон ('GSSPositiveBasis2N'
) похоже на GPS Positive basis 2N
, но настраивает базисные векторы, чтобы составлять линейные ограничения. GSS Positive basis 2N
более эффективно, чем GPS Positive basis 2N
когда текущая точка около линейной границы ограничений.
MADS Positive basis 2N
шаблон ('MADSPositiveBasis2N'
) состоит из 2 Н, случайным образом сгенерировал векторы, где N является количеством независимых переменных для целевой функции. Это сделано путем случайной генерации N векторов, которые формируют линейно независимый набор, затем с помощью этого первого набора, и отрицание этого набора дает векторы на 2 Н. Как показано выше, GPS Positive basis 2N
шаблон формируется с помощью положительного и отрицательной из линейно независимой идентичности, однако, с MADS Positive basis 2N
, шаблон сгенерирован с помощью случайного сочетания N на n линейно независимой нижней треугольной матрицы, которая регенерирована в каждой итерации.
GPS Positive basis NP1
шаблон ('GPSPositiveBasisNp1'
) состоит из следующего N + 1 вектор.
[1 0 0...0][0 1 0...0] ...[0 0 0...1][–1 –1 –1...–1].
Например, если целевая функция имеет три независимых переменные, шаблон состоит из следующих четырех векторов.
[1 0 0][0 1 0][0 0 1][–1 –1 –1].
GSS Positive basis Np1
шаблон ('GSSPositiveBasisNp1'
) похоже на GPS Positive basis Np1
, но настраивает базисные векторы, чтобы составлять линейные ограничения. GSS Positive basis Np1
более эффективно, чем GPS Positive basis Np1
когда текущая точка около линейной границы ограничений.
MADS Positive basis Np1
шаблон ('MADSPositiveBasisNp1'
) состоит из N, случайным образом сгенерировал векторы, чтобы сформировать положительное основание, где N является количеством независимых переменных для целевой функции. Затем еще один случайный вектор сгенерирован, давание N+1 случайным образом сгенерировало векторы. Каждая итерация генерирует новый шаблон когда MADS Positive basis N+1
выбран.
Для paretosearch
только, 'GSSPositiveBasis2Np2'
по умолчанию шаблон использует
2N
GSS шаблоны, и также используют
[1 1 ... 1]
и [-1 -1 ... -1]
шаблоны.
Complete poll (UseCompletePoll)
задает, должны ли все точки в текущей mesh быть опрошены в каждой итерации. Complete Poll может иметь значения On
или Off
.
Если вы устанавливаете Complete poll на on (true
), алгоритм опрашивает все точки в mesh в каждой итерации и выбирает точку с наименьшим значением целевой функции как текущая точка в следующей итерации.
Если вы устанавливаете Complete poll на off (false
), значение по умолчанию, алгоритм останавливает опрос, как только это находит точку, значение целевой функции которой меньше значения текущей точки. Алгоритм затем устанавливает ту точку как текущую точку в следующей итерации.
Для paretosearch
только, MinPollFraction
опция задает часть направлений опроса, которые исследованы во время опроса вместо двоичного значения UseCompletePoll
. Чтобы задать полный опрос, установите MinPollFraction
к 1
. Чтобы указать, что опрос останавливается, как только он находит точку, которая улучшает все целевые функции, устанавливает MinPollFraction
к 0
.
Polling order (PollOrderAlgorithm
) задает порядок, в котором алгоритм ищет точки в текущей mesh. Опции
'Random'
— Порядок опроса случаен.
'Success'
— Первое поисковое направление в каждой итерации является направлением, в котором алгоритм нашел лучшую точку в предыдущей итерации. После первой точки алгоритм опрашивает точки mesh в том же порядке как Consecutive.
'Consecutive'
— Алгоритм опрашивает точки mesh в последовательном порядке, то есть, порядке векторов шаблона как описано в Методе Опроса.
paretosearch
решатель в основном использует patternsearch
опции. Несколько из доступных встроенных функций построения графика отличаются; см. Опции Графика. Следующие опции применяются только к paretosearch
.
В таблице, N
представляет количество переменных решения.
Многоцелевые параметры поиска шаблона
Опция | Определение | Позволенный и { Default} Значения |
---|---|---|
ParetoSetSize | Число точек во Множестве Парето. | Положительное целое число | {max(60,number of objectives) } |
ParetoSetChangeTolerance | Допуск на изменении в объеме или распространении решений. Когда любая из этих мер относительно изменяется меньше, чем ParetoSetChangeTolerance , завершение итераций. Для получения дополнительной информации смотрите Останавливающиеся Условия. | Положительная скалярная величина | {1e-4} |
MinPollFraction | Минимальная часть шаблона, чтобы опросить. | Скаляр от 0 до 1 | {0} |
InitialPoints | Начальные точки для
Если там пропускают записи в | Матрица с |
Параметры поиска задают дополнительный поиск, который алгоритм может выполнить в каждой итерации до опроса. Если поиск возвращает точку, которая улучшает целевую функцию, использование алгоритма, которое указывает на следующую итерацию и не использует опрос. Отметьте, если вы выбрали тот же Search method и Poll method, только опция, выбранная в методе Опроса, будет использоваться, несмотря на то, что оба будут использоваться, когда выбранные опции будут отличаться.
Complete search (UseCompleteSearch
) применяется, когда вы устанавливаете Search method на GPS Positive basis Np1
, GPS Positive basis 2N
, GSS Positive basis Np1
, GSS Positive basis 2N
, MADS Positive basis Np1
, MADS Positive basis 2N
, или Latin hypercube
. Complete search может иметь значения on (true
) или off (false
).
Для GPS Positive basis Np1
, MADS Positive basis Np1, GPS Positive basis 2N
, или MADS Positive basis 2N
, Complete search имеет то же значение как опция опроса Complete poll.
Search method (SearchFcn
) задает дополнительный поисковый шаг. Опции
None
([]
) (значение по умолчанию), не задает поискового шага.
GPS Positive basis 2N
('GPSPositiveBasis2N'
)
GPS Positive basis Np1
('GPSPositiveBasisNp1'
)
GSS Positive basis 2N
('GSSPositiveBasis2N'
)
GSS Positive basis Np1
('GSSPositiveBasisNp1'
)
MADS Positive basis 2N
('MADSPositiveBasis2N'
)
MADS Positive basis Np1
('MADSPositiveBasisNp1'
)
Genetic Algorithm
('searchga'
) задает поиск с помощью генетического алгоритма. Если вы выбираете Genetic Algorithm
, появляются две других опции:
Iteration limit — Положительное целое число, задающее количество итераций поиска шаблона, который выполняется поиск генетического алгоритма. Значение по умолчанию для Iteration limit равняется 1.
Опции Опции для генетического алгоритма, который можно установить использование optimoptions
.
Чтобы изменить значения по умолчанию Iteration limit и Options в командной строке, используйте синтаксис
options = optimoptions('patternsearch','SearchFcn',... {@searchga,iterlim,optionsGA})
где iterlim
значение Iteration limit и optionsGA
объект опций генетического алгоритма. Если вы не задаете searchga
опции, затем searchga
использует тот же UseParallel
и UseVectorized
настройки опции как patternsearch
.
Если вы устанавливаете Search method на Genetic algorithm
или Nelder-Mead
, мы рекомендуем, чтобы вы оставили набор Iteration limit значению по умолчанию 1
, потому что выполнение этих поисковых запросов несколько раз вряд ли улучшит результаты.
Latin hypercube
('searchlhs'
) задает латинский поиск гиперкуба. patternsearch
генерирует каждую точку для поиска можно следующим образом. Для каждого компонента возьмите случайное сочетание векторного [1,2,...,k]
минус rand(1,k)
, разделенный на k
K
число точек.) Это дает к k
точки, с каждым компонентом близко к равномерно расположенному с интервалами. Получившимся точкам затем масштабируют для соответствия любые границы. Latin hypercube
границы значения по умолчанию использования -1
и 1
.
Путем поиск выполняется, зависит от установки для Complete search:
Если вы устанавливаете Complete search на on (true
), алгоритм опрашивает все точки, которые случайным образом сгенерированы в каждой итерации латинским поиском гиперкуба, и выбирает тот с наименьшим значением целевой функции.
Если вы устанавливаете Complete search на off (false
) (значение по умолчанию), алгоритм останавливает опрос, как только это находит одну из случайным образом сгенерированных точек, значение целевой функции которых меньше значения текущей точки и выбирает ту точку для следующей итерации.
Если вы выбираете Latin hypercube
, появляются две других опции:
Iteration limit — Положительное целое число, задающее количество итераций поиска шаблона, который выполняется латинский поиск гиперкуба. Значение по умолчанию для Iteration limit равняется 1.
Design level — Design level является числом точек patternsearch
поисковые запросы, положительное целое число. Значением по умолчанию для Design level является 15 раз количество размерностей.
Чтобы изменить значения по умолчанию Iteration limit и Design level в командной строке, используйте синтаксис
options = optimoptions('patternsearch','SearchFcn', {@searchlhs,iterlim,level})
где iterlim
значение Iteration limit и level
значение Design level.
Nelder-Mead
('searchneldermead'
) задает поиск с помощью fminsearch
, который использует алгоритм Nelder-меда. Если вы выбираете Nelder-Mead
, появляются две других опции:
Iteration limit — Положительное целое число, задающее количество итераций поиска шаблона, который выполняется поиск Nelder-меда. Значение по умолчанию для Iteration limit равняется 1.
Опции Опции для функционального fminsearch
, который можно создать использование функционального optimset
.
Чтобы изменить значения по умолчанию Iteration limit и Options в командной строке, используйте синтаксис
options = optimoptions('patternsearch','SearchFcn',... {@searchneldermead,iterlim,optionsNM})
где iterlim
значение Iteration limit и optionsNM
опции для поисковой функции.
Custom
позволяет вам записать свою собственную поисковую функцию. Задавать поисковую функцию с помощью приложения Оптимизации,
Установите Search function на Custom
.
Установите Function name на @myfun
, где myfun
имя вашей функции.
Если вы используете patternsearch
в командной строке, наборе
options = optimoptions('patternsearch','SearchFcn',@myfun);
Чтобы видеть шаблон, который можно использовать, чтобы записать собственную поисковую функцию, войти
edit searchfcntemplate
Следующий раздел описывает структуру поисковой функции.
Ваша поисковая функция должна иметь следующий синтаксис вызова.
function [successSearch,xBest,fBest,funccount] = searchfcntemplate(fun,x,A,b,Aeq,beq,lb,ub, ... optimValues,options)
Поисковая функция имеет следующие входные параметры:
fun
— Целевая функция
x
CurrentPoint
A,b
— Линейные ограничения неравенства
Aeq,beq
— Линейные ограничения равенства
lb,ub
— Ограничения нижней и верхней границы
optimValues
— Структура, которая позволяет вам установить параметры поиска. Структура содержит следующие поля:
x
CurrentPoint
fval
— Значение целевой функции в x
iteration
— Текущий номер итерации
funccount
— Счетчик для оценки функции пользователя
scale
— Масштабный коэффициент раньше масштабировал точки проекта
problemtype
— Флаг передал поисковым стандартным программам, указав, является ли проблемой 'unconstrained'
, 'boundconstraints'
, или 'linearconstraints'
. Это поле является подпроблемным типом для нелинейных ограниченных проблем.
meshsize
— Текущий размер mesh используется на поисковом шаге
method
— Метод используется в последней итерации
options
— Параметры поиска шаблона
Функция имеет следующие выходные аргументы:
successSearch
— Булев идентификатор, указывающий, успешен ли поиск или нет
xBest,fBest
— Лучше всего укажите и лучшее значение функции, найденное методом поиска
funccount
— Количество оценки функции пользователя в методе поиска
Смотрите Используя Метод поиска для примера.
Сцепитесь опции управляют mesh, что шаблон ищет использование. Следующие опции доступны.
Initial size (InitialMeshSize
) задает размер начальной mesh, которая является длиной самого короткого вектора от начальной точки до точки mesh. Initial size должен быть положительной скалярной величиной. Значением по умолчанию является 1.0
.
Max size (MaxMeshSize
) задает максимальный размер для mesh. Когда максимальный размер достигнут, размер mesh не увеличивается после успешной итерации. Max size должен быть положительной скалярной величиной и только используется, когда GPS или алгоритм GSS выбраны как Опрос или Метод поиска. Значением по умолчанию является Inf
. MADS использует максимальный размер 1
.
Accelerator (AccelerateMesh
) задает, умножается ли, когда размер mesh мал, Contraction factor на 0.5
после каждой неудачной итерации. Accelerator может иметь значения On
или Off
, значение по умолчанию. Accelerator применяется к GPS и алгоритмам GSS.
Rotate (MeshRotate
) только применяется, когда Poll method установлен в GPS Positive basis Np1
или GSS Positive basis Np1
. Это задает, умножаются ли векторы mesh на –1, когда размер mesh меньше 1/100 допуска mesh (минимальный размер mesh MeshTolerance
) после неудачного опроса. Другими словами, после первого неудачного опроса с небольшим размером mesh, вместо того, чтобы опросить в направлениях ei (модульные положительные направления) и –Σei, алгоритм опрашивает в направлениях –ei и Σei. Rotate может иметь значения Off
или On
(значение по умолчанию). Когда проблема имеет ограничения равенства, Rotate отключен.
Rotate особенно полезен для разрывных функций.
Изменение настроек Rotate не оказывает влияния на опрос, когда Poll method установлен в GPS Positive basis 2N
, GSS Positive basis 2N
, MADS Positive basis 2N
, или MADS Positive basis Np1
.
Scale (ScaleMesh)
задает, масштабирует ли алгоритм точки mesh путем тщательного умножения векторов шаблона на константы, пропорциональные логарифмам абсолютных значений компонентов текущей точки (или, для неограниченных проблем, начальной точки). Scale может иметь значения Off
или On
(значение по умолчанию). Когда проблема имеет ограничения равенства, Scale отключен.
Expansion factor (MeshExpansionFactor)
задает фактор, на который размер mesh увеличен после успешного опроса. Значением по умолчанию является 2.0
, что означает, что размер mesh умножается на 2.0
после успешного опроса. Expansion factor должен быть положительной скалярной величиной и только используется, когда GPS или метод GSS выбраны как Опрос или Метод поиска. MADS использует фактор 4.0
.
Contraction factor (MeshContractionFactor)
задает фактор, которым размер mesh уменьшен после неудачного опроса. Значением по умолчанию является 0.5
, что означает, что размер mesh умножается на 0.5
после неудачного опроса. Contraction factor должен быть положительной скалярной величиной и только используется, когда GPS или метод GSS выбраны как Опрос или Метод поиска. MADS использует фактор 0.25
.
Смотрите Расширение Mesh и Сокращение для получения дополнительной информации.
Для получения информации о значении параметров штрафа смотрите Нелинейный Ограничительный Алгоритм решателя.
Initial penalty (InitialPenalty
) — Задает начальное значение параметра штрафа, который используется нелинейным ограничительным алгоритмом. Initial penalty должен быть больше или быть равен 1
, и имеет значение по умолчанию 10
.
Penalty factor (PenaltyFactor
) — Увеличивает параметр штрафа, когда задача не решена к требуемой точности, и ограничениям не удовлетворяют. Penalty factor должен быть больше 1
, и имеет значение по умолчанию 100
.
Bind tolerance (TolBind
) задает допуск к расстоянию от текущей точки до контура выполнимой области относительно линейных ограничений. Это означает Bind tolerance
задает, когда линейное ограничение активно. Bind tolerance
не останавливающийся критерий. Активные линейные ограничения изменяют шаблон точек patternsearch
использование для того, чтобы опросить или искать. Значение по умолчанию Bind tolerance
1e-3
.
Алгоритм поиска шаблона может вести учет точек, которые он уже опросил, так, чтобы он не опрашивал ту же точку несколько раз. Если целевая функция требует, чтобы относительно долгое время вычислило, опция кэша может ускорить алгоритм. Память, выделенная для записи точек, называется кэшем. Эта опция должна только использоваться в детерминированных целевых функциях, но не в стохастических единицах.
Cache (Cache
) задает, используется ли кэш. Опциями является On
и Off
, значение по умолчанию. Когда вы устанавливаете Cache на On
, алгоритм не выполняет целевую функцию ни в каких точках mesh, которые являются в Tolerance точки в кэше.
Tolerance (CacheTol
) задает, как близко точка mesh должна быть к точке в кэше для алгоритма, чтобы не использовать опрос его. Tolerance должен быть положительной скалярной величиной. Значением по умолчанию является eps
.
Size (CacheSize
) задает размер кэша. Size должен быть положительной скалярной величиной. Значением по умолчанию является 1e4
.
Смотрите Кэш Использования для получения дополнительной информации.
Критерий остановки определяет то, что заставляет алгоритм поиска шаблона останавливаться. Поиск шаблона использует следующие критерии:
Mesh tolerance (MeshTolerance
) задает минимальный допуск к размеру mesh. GPS и алгоритмы GSS останавливаются, если размер mesh становится меньшим, чем Mesh tolerance. 2 Н MADS останавливаются, когда размер mesh становится меньшим, чем MeshTolerance^2
. MADS Np1 останавливается, когда размер mesh становится меньшим, чем (MeshTolerance/nVar)^2
, где nVar
число элементов x0
. Значение по умолчанию MeshTolerance
1e-6
.
Max iteration (MaxIterations
) задает максимальное количество итераций, которые выполняет алгоритм. Алгоритм останавливается, если количество итераций достигает Max iteration. Можно выбрать также
100*numberOfVariables — Максимальное количество итераций является 100 раз количеством независимых переменных (значение по умолчанию).
Specify — Положительное целое число для максимального количества итераций
Max function evaluations (MaxFunctionEvaluations
) задает максимальное количество оценок целевой функции. Алгоритм останавливается, если количество вычислений функции достигает Max function evaluations. Можно выбрать также
2000*numberOfVariables — Максимальное количество вычислений функции является 2000 раз количеством независимых переменных.
Specify — Положительное целое число для максимального количества вычислений функции
Time limit (MaxTime
) задает максимальное время в секундах запуски алгоритма поиска шаблона перед остановкой. Это также включает, любой заданный приостанавливает время для алгоритмов поиска шаблона.
X tolerance (StepTolerance
) задает минимальное расстояние между текущими точками в двух последовательных итерациях. Не применяется к опросу MADS. После неудачного опроса останавливается алгоритм, если расстояние между двумя последовательными точками меньше X tolerance, и размер mesh меньше, чем X tolerance. Значением по умолчанию является 1e-6
.
Function tolerance (FunctionTolerance
) задает минимальный допуск к целевой функции. Не применяется к опросу MADS. После неудачного опроса останавливается алгоритм, если различие между значением функции в предыдущей лучшей точке и значением функции в текущей лучшей точке меньше Function tolerance, и если размер mesh также меньше, чем X tolerance. Значением по умолчанию является 1e-6
.
Смотрите Устанавливающие Погрешности Решателя для примера.
Constraint tolerance (ConstraintTolerance
) — Constraint tolerance не используется в качестве останавливающегося критерия. Это используется, чтобы определить выполнимость относительно нелинейных ограничений.
Выходные функции являются функциями, что алгоритм поиска шаблона заходит в каждую генерацию. Задавать выходную функцию с помощью приложения Оптимизации,
Выберите Custom function.
Введите @myfun
в текстовом поле, где myfun
имя вашей функции. Запишите myfun
с соответствующим синтаксисом.
Чтобы передать дополнительные параметры в выходной функции, используйте Анонимные функции (Optimization Toolbox).
Для нескольких выходных функций введите массив ячеек указателей выходной функции: {@myfun1,@myfun2,...}
.
В командной строке, наборе
options = optimoptions('patternsearch','OutputFcn','myfun');
Для нескольких выходных функций введите cell-массив указателей на функцию:
options = optimoptions('patternsearch','OutputFcn',{@myfun1,@myfun2,...});
Чтобы видеть шаблон, который можно использовать, чтобы записать собственную выходную функцию, войти
edit psoutputfcntemplate
в командной строке MATLAB®.
Ваша выходная функция должна иметь следующий синтаксис вызова:
[stop,options,optchanged] = myfun(optimvalues,options,flag)
MATLAB передает optimvalues
, state
, и flag
данные к вашей выходной функции и выходной функции возвращают stop
Опции
, и optchanged
данные.
Выходная функция имеет следующие входные параметры:
optimvalues
— Структура, содержащая информацию о текущем состоянии решателя. Структура содержит следующие поля:
x
CurrentPoint
iteration
— Номер итерации
fval
— Значение целевой функции в x
meshsize
— Текущий размер mesh
funccount
— Количество вычислений функции
method
— Метод используется в последней итерации, такой как 'Update multipliers'
или 'Increase penalty'
для нелинейно ограниченной проблемы или 'Successful Poll'
, 'Refine Mesh'
, или 'Successful Search'
, возможно с '\Rotate'
суффикс, для проблемы без нелинейных ограничений
TolFun
— Абсолютное значение изменения в значении функции в последней итерации
TolX
— Норма изменения в x
в последней итерации
nonlinineq
— Нелинейные значения функции ограничения неравенства в x
, отображенный только, когда нелинейная ограничительная функция задана
nonlineq
— Нелинейные значения функции ограничения равенства в x
, отображенный только, когда нелинейная ограничительная функция задана
options
Опции
flag
— Текущее состояние, в котором называется выходная функция. Возможные значения для flag
'init'
— Состояние инициализации
'iter'
— Состояние итерации
'interrupt'
— Итерация подпроблемы нелинейно ограниченной проблемы
Когда flag
'interrupt'
, значения optimvalues
поля применяются к подпроблемным итерациям.
Когда flag
'interrupt'
, patternsearch
не принимает изменения в options
, и игнорирует optchanged
.
'done'
— Конечное состояние
Передача Дополнительных Параметров (Optimization Toolbox) объясняет, как предоставить дополнительные параметры выходной функции.
Выходная функция возвращает следующие аргументы в patternsearch
:
stop
— Обеспечивает способ остановить алгоритм в текущей итерации. stop
может иметь следующие значения.
false
— Алгоритм продолжается к следующей итерации.
true
— Алгоритм останавливается в текущей итерации.
options
— patternsearch
опции.
optchanged
— Указание булева флага превращается в options
. Изменить options
для последующих итераций, набор optchanged
к true
.
Level of display ('Display'
) задает, сколько информации отображено в командной строке, в то время как поиск шаблона запускается. Доступные параметры
Off
'off'
) — No вывод отображен.
Iterative
('iter'
) — Информация отображена для каждой итерации.
Diagnose
диагностирование
) — Информация отображена для каждой итерации. Кроме того, диагностика перечисляет некоторую информацию о задаче и опции, которые изменяются от значений по умолчанию.
Final
('final'
) — Причина остановки отображена.
Оба Iterative
и Diagnose
отобразите следующую информацию:
Iter
— Номер итерации
FunEval
— Совокупное число вычислений функции
MeshSize
— Текущий размер mesh
FunVal
— Значение целевой функции текущей точки
Method
— Результат текущего опроса (без нелинейной ограничительной заданной функции). С нелинейной ограничительной функцией, Method
отображает метод обновления, используемый после того, как подпроблема будет решена.
Max Constraint
— Максимальное нелинейное нарушение ограничений (отобразился только, когда нелинейная ограничительная функция была задана),
Значение по умолчанию Level of display
Off
в приложении Оптимизации
'final'
в опциях, созданных с помощью optimoptions
Можно принять решение иметь цель и ограничительные функции, выполненные в последовательном, параллельном, или векторизованным способом. Эти опции доступны в разделе User function evaluation панели Options приложения Оптимизации, или путем установки 'UseVectorized'
и 'UseParallel'
опции с optimoptions
.
Необходимо установить 'UseCompletePoll'
к true
для patternsearch
использовать векторизованный или параллельный опрос. Точно так же установите 'UseCompleteSearch'
к true
для векторизованного или параллельного поиска.
Начало в R2019a, когда вы устанавливаете 'UseParallel'
опция к true
, patternsearch
внутренне заменяет 'UseCompletePoll'
установка на true
таким образом, это опрашивает параллельно.
Когда Evaluate objective and constraint functions ('UseVectorized'
) in serial (false
), patternsearch
вызывает целевую функцию на одной точке за один раз, когда это циклично выполняется через точки mesh. (В командной строке это принимает 'UseParallel'
в его значении по умолчанию false
.)
Когда Evaluate objective and constraint functions ('UseVectorized'
) vectorized (true
), patternsearch
вызывает целевую функцию на всех точках в mesh целиком, т.е. в одном вызове целевой функции.
Если существуют нелинейные ограничения, целевая функция и нелинейные ограничения вся потребность, которая будет векторизована для алгоритма, чтобы вычислить векторизованным способом.
Для получения дополнительной информации и пример, смотрите, Векторизуют Функции Цели и Ограничения.
Когда Evaluate objective and constraint functions ('UseParallel'
) in parallel (true
), patternsearch
вызывает целевую функцию параллельно, с помощью параллельной среды, которую вы установили (см., Как Использовать Параллельную обработку в Global Optimization Toolbox). В командной строке, набор 'UseParallel'
к false
вычислить последовательно.
Вы не можете одновременно использовать векторизованный и найти что-либо подобное расчетам. Если вы устанавливаете 'UseParallel'
к true
и 'UseVectorized'
к true
, patternsearch
оценивает вашу цель и ограничительные функции векторизованным способом, не параллельно.
Как объективный и ограничительные функции оценены
Примите UseCompletePoll = true | UseVectorized = false | UseVectorized = true |
---|---|---|
UseParallel = false | Последовательный | Векторизованный |
UseParallel = true | Параллель | Векторизованный |
Таблица доступности опции для всех алгоритмов
Опция | Описание | Доступность алгоритма |
---|---|---|
AccelerateMesh | Ускорьте сокращение размера mesh. | GPS и GSS |
Cache | С | Все |
CacheSize | Размер кэша, в числе точек. | Все |
CacheTol | Положительная скалярная величина, задающая, как близко текущая точка mesh должна быть к точке в кэше для | Все |
ConstraintTolerance | Допуск на нелинейных ограничениях. | Все |
Display | Level of display к Командному окну. | Все |
FunctionTolerance | Допуск на значении функции. | Все |
InitialMeshSize | Начальный размер mesh используется в алгоритмах поиска шаблона. | Все |
InitialPenalty | Начальное значение параметра штрафа. | Все |
MaxFunctionEvaluations | Максимальное количество оценок целевой функции. | Все |
MaxIterations | Максимальное количество итераций. | Все |
MaxMeshSize | Максимальный размер mesh используется на шаге опроса/поиска. | GPS и GSS |
MaxTime | Общее время (в секундах) допускало оптимизацию. Также включает, любой заданный приостанавливает время для алгоритмов поиска шаблона. | Все |
MeshContractionFactor | Поймайте в сети фактор сокращения, используемый, когда итерация будет неудачна. | GPS и GSS |
MeshExpansionFactor | Поймайте в сети фактор расширения, расширяет mesh, когда итерация успешна. | GPS и GSS |
MeshRotate | Вращайте шаблон прежде, чем объявить, что точка оптимальна. | GPS Np1 и GSS Np1 |
MeshTolerance | Допуск на размере mesh. | Все |
OutputFcn | Заданная пользователями функция, которую вызывает на каждой итерации поиск шаблона. | Все |
PenaltyFactor | Параметр обновления штрафа. | Все |
PlotFcn | Задает функцию, чтобы построить во время выполнения. | Все |
PlotInterval | Указывает, что функции построения графика будут названы в каждом интервале. | Все |
PollingOrder | Закажите, в котором опрашиваются поисковые направления. | GPS и GSS |
PollMethod | Опрос стратегии используется в поиске шаблона. | Все |
ScaleMesh | Автоматическое масштабирование переменных. | Все |
SearchFcn | Задает метод поиска, используемый в поиске шаблона. | Все |
StepTolerance | Допуск на независимой переменной. | Все |
TolBind | Обязательный допуск раньше определял, активно ли линейное ограничение. | Все |
UseCompletePoll | Полный опрос вокруг тока выполняет итерации. Оцените все точки на шаге опроса. | Все |
UseCompleteSearch | Полный поиск вокруг тока выполняет итерации, когда метод поиска является методом опроса. Оцените все точки на поисковом шаге. | Все |
UseParallel | Когда | Все |
UseVectorized | Задает, векторизованы ли цель и ограничительные функции. | Все |