Оптимизация CAGE содержит два алгоритма (NBI и gamultiobj) 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 задачу, 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 NBI алгоритм или gamultiobj алгоритм, чтобы решить многоцелевую оптимизацию.
Используйте gamultiobj для многоцелевой оптимизации больше чем с двумя целями и теми, которые не являются гладкими. Такие проблемы могут работать лучше с gamultiobj чем с NBI. gamultiobj алгоритм 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 ограничение модели 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 подходящие табличные точки останова, наборы данных, детальные рабочие точки модели, 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 выхода 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 выход, характерный для многоцелевых проблем, смотрите Инструменты для Оптимизации с Несколькими Решениями и Анализа Многоцелевых Результатов оптимизации.
gamultiobj алгоритм использует gamultiobj функция от продукта Global Optimization Toolbox, и только доступна, если вам установили продукт Global Optimization Toolbox.
Для получения дополнительной информации на gamultiobj функционируйте, 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 изучить 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 NBI оптимизация, 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, NBI пробелы алгоритма Npts стартовые точки в (n-1) гиперповерхности, S, это соединяет тень. В вышеупомянутом примере, S прямая линия, которая соединяет точки N и T. Для каждого Npts точки на S, алгоритм пытается максимизировать расстояние вдоль нормального далеко от этой поверхности (это расстояние помечено L в следующем рисунке). Это называется NBI подпроблема. Для каждой из точек, NBI подпроблемой является одно-объективная проблема, и алгоритм использует fmincon MATLAB стандартная программа, чтобы решить его. Это проиллюстрировано ниже для примера TQ-NOX.
Фигура выше интервала показов точек вперед (n-1) поверхность. Алгоритм пытается максимизировать расстояние L вдоль нормального далеко от поверхности. Следующий рисунок показывает конечное решение, найденное алгоритмом NBI.
Чтобы видеть, как настройки NBI используются в диалоговом окне Optimization Parameters, см. Параметры Оптимизации NBI.
