Глобальная переменная по сравнению с локальной оптимизацией Используя ga

Поиск глобального минимума

Иногда цель оптимизации состоит в том, чтобы найти глобальный минимум или максимум функции — точка, где значение функции меньше или больше в любой другой точке в пространстве поиска. Однако алгоритмы оптимизации иногда возвращают локальный минимум — точка, где значение функции меньше, чем в соседних точках, но возможно больше, чем в удаленной точке в пространстве поиска. Генетический алгоритм может иногда преодолевать этот дефицит с правильными настройками.

Как пример, рассмотрите следующую функцию.

f(x)={-exp(-(x100)2)forx100,-exp(-1)+(x-100)(x-102)forx>100.

Постройте функцию.

t = -10:.1:103;
for ii = 1:length(t)
    y(ii) = two_min(t(ii));
end
plot(t,y)

Figure contains an axes. The axes contains an object of type line.

Функция имеет два локальных минимума, один в x = 0, где значение функции –1, и другой в x = 101, где значение функции 1  1/e. Поскольку последнее значение меньше, глобальный минимум происходит в x = 101.

Запустите ga Используя параметры по умолчанию

Код для two_min функция помощника в конце этого примера. Запустите ga параметрами по умолчанию, чтобы минимизировать two_min функция. Используйте gaplot1drange функция помощника (включенный в конце этого примера), чтобы построить область значений ga население в каждой итерации.

rng default % For reproducibility
options = optimoptions('ga','PlotFcn',@gaplot1drange);
[x,fval] = ga(@two_min,1,[],[],[],[],[],[],[],options)
Optimization terminated: average change in the fitness value less than options.FunctionTolerance.

Figure Genetic Algorithm contains an axes. The axes with title Range of Population, Mean contains an object of type errorbar.

x = -0.0688
fval = -1.0000

Генетический алгоритм возвращает точку очень близко к локальному минимуму в x = 0. Обратите внимание на то, что все индивидуумы находятся между –60 и 60. Население никогда не исследует точки около глобального минимума в x = 101.

Увеличьте начальную область значений

Один способ заставить генетический алгоритм исследовать более широкую область значений точек — то есть, увеличить разнообразие популяций — состоит в том, чтобы увеличить начальную область значений. Начальная область значений не должна включать точку x = 101, но это должно быть достаточно большим так, чтобы алгоритм сгенерировал индивидуумов рядом x = 101. Установите InitialPopulationRange опция к [-10;90] и повторно запущенный решатель.

options.InitialPopulationRange = [-10;90];
[x,fval] = ga(@two_min,1,[],[],[],[],[],[],[],options)
Optimization terminated: maximum number of generations exceeded.

Figure Genetic Algorithm contains an axes. The axes with title Range of Population, Mean contains an object of type errorbar.

x = 100.9783
fval = -1.3674

На этот раз пользовательский график показывает намного более широкую область значений индивидуумов. Существуют индивидуумы около 101 с самого начала, и среднее значение населения начинает сходиться к 101.

Функции помощника

Этот код создает two_min функция помощника.

function y = two_min(x)
if x <= 100
    y = -exp(-(x/100)^2);
else
    y = -exp(-1) + (x-100)*(x-102);
end
end

Этот код создает gaplot1drange функция помощника.

function state = gaplot1drange(options,state,flag)
%gaplot1drange Plots the mean and the range of the population.
%   STATE = gaplot1drange(OPTIONS,STATE,FLAG) plots the mean and the range
%   (highest and the lowest) of individuals (1-D only).  
%
%   Example:
%   Create options that use gaplot1drange
%   as the plot function
%     options = optimoptions('ga','PlotFcn',@gaplot1drange);

%   Copyright 2012-2014 The MathWorks, Inc.

if isinf(options.MaxGenerations) || size(state.Population,2) > 1
    title('Plot Not Available','interp','none');
    return;
end
generation = state.Generation;
score = state.Population;
smean = mean(score);
Y = smean;
L = smean - min(score);
U = max(score) - smean;

switch flag

    case 'init'
        set(gca,'xlim',[1,options.MaxGenerations+1]);
        plotRange = errorbar(generation,Y,L,U);
        set(plotRange,'Tag','gaplot1drange');
        title('Range of Population, Mean','interp','none')
        xlabel('Generation','interp','none')
    case 'iter'
        plotRange = findobj(get(gca,'Children'),'Tag','gaplot1drange');
        newX = [get(plotRange,'Xdata') generation];
        newY = [get(plotRange,'Ydata') Y];
        newL = [get(plotRange,'Ldata') L];
        newU = [get(plotRange,'Udata') U];       
        set(plotRange,'Xdata',newX,'Ydata',newY,'Ldata',newL,'Udata',newU);
end
end

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте