Найдите значения x, которые минимизируют
f (x) = (x 1 – 0.2) 2 + (x 2 – 0.2) 2 + (x 3 – 0.2) 2,
где
для всех значений w 1 и w 2 в областях значений
1 ≤ w 1 ≤ 100,
1 ≤ w 2 ≤ 100,
запуск в точке x = [0.25,0.25,0.25].
Обратите внимание на то, что полубесконечное ограничение двумерно, то есть, матрица.
Во-первых, запишите файл, который вычисляет целевую функцию.
function f = myfun(x,s) % Objective function f = sum((x-0.2).^2);
Во-вторых, запишите файл для ограничений, названных mycon.m
. Включайте код, чтобы чертить объемную поверхностную диаграмму полубесконечного ограничения каждый раз mycon
называется. Это включает вам, чтобы видеть, как ограничение изменяется как X
минимизируется.
function [c,ceq,K1,s] = mycon(X,s) % Initial sampling interval if isnan(s(1,1)), s = [2 2]; end % Sampling set w1x = 1:s(1,1):100; w1y = 1:s(1,2):100; [wx,wy] = meshgrid(w1x,w1y); % Semi-infinite constraint K1 = sin(wx*X(1)).*cos(wx*X(2))-1/1000*(wx-50).^2 -... sin(wx*X(3))-X(3)+sin(wy*X(2)).*cos(wx*X(1))-... 1/1000*(wy-50).^2-sin(wy*X(3))-X(3)-1.5; % No finite nonlinear constraints c = []; ceq=[]; % Mesh plot m = surf(wx,wy,K1,'edgecolor','none','facecolor','interp'); camlight headlight title('Semi-infinite constraint') drawnow
Затем вызовите стандартную программу оптимизации.
x0 = [0.25, 0.25, 0.25]; % Starting guess [x,fval] = fseminf(@myfun,x0,1,@mycon)
После девяти итераций решение
x x = 0.2523 0.1715 0.1938
и значение функции в решении
fval fval = 0.0036
Цель состояла в том, чтобы минимизировать объективный f (x), таким образом, что полубесконечное ограничение удовлетворило K 1 (x, w) ≤ 1.5. Оценка mycon
в решении x
и рассмотрение максимального элемента матричного K1
показывает, что ограничению легко удовлетворяют.
[c,ceq,K1] = mycon(x,[0.5,0.5]); % Sampling interval 0.5 max(max(K1)) ans = -0.0370
Этот вызов mycon
производит следующий график surf, который показывает полубесконечное ограничение в x
.