Документация

Обзор процесса

Функция оптимизации CAGE позволяет использовать собственные алгоритмы оптимизации в качестве альтернативы библиотечным подпрограммам fmincon, NBI, ga и patternsearch.

На примере этого учебного пособия показано, как использовать существующий алгоритм оптимизации в качестве функции оптимизации для оптимизации CAGE.

Проблема, которая должна быть решена, - это проблема отработанного примера:

Максимальный крутящий момент (TQ) над свободными переменными (SPK, AFR) по указанному набору (N, L) точек. Эти точки определены в наборе данных New_Dataset, который можно найти в сеансе CAGE optimworkedexample.cag и могут быть импортированы на панель фиксированных значений переменных в представлении «Оптимизация».

Модель крутящего момента, которая должна использоваться в /mbctraining/Holliday.mat.

Этапы процесса:

В этом учебном пособии приводится ряд примеров создания кода для включения собственного алгоритма в оптимизацию в CAGE.

Перед началом работы необходимо создать рабочую папку.

Шаг 1: Проверка алгоритма

currtutoptim.m является примером файла для проверки того, что fminunc решает проблему отработанного примера. Вы можете попробовать это в командной строке MATLAB.

После завершения сообщений о ходе выполнения выходные данные рабочей области должны выглядеть следующим образом:

BestX =      
       23.768        12.78
       18.179        12.78
       14.261        12.78
       12.014        12.78
       11.439        12.78
       12.535        12.78
       27.477        12.78
       21.887        12.78
       17.969        12.78
       15.722        12.78
       15.147        12.78
       16.243        12.78
       31.185        12.78
       25.595        12.78
       21.677        12.78
        19.43        12.78
       18.855        12.78
       19.951        12.78
       34.893        12.78
       29.303        12.78
       25.385        12.78
       23.138        12.78
       22.563        12.78
       23.659        12.78
       38.601        12.78
       33.012        12.78
       29.093        12.78
       26.847        12.78
       26.271        12.78
       27.368        12.78
       42.309        12.78
        36.72        12.78
       32.802        12.78
       30.555        12.78
       29.979        12.78
       31.075        12.78

Матрица bestX содержит оптимальный SPK и AFR значения, которые максимизируют крутящий момент модели MBC (экспортируются из Holliday.mat) в точках скорости и нагрузки, определенных в матричных данных.

fminunc - это пример алгоритма оптимизации, который требуется передать в CAGE для использования в графическом интерфейсе пользователя оптимизации.

В этом учебном пособии показано, как создавать fminunc доступно для использования в функции оптимизации CAGE.

Шаг 2: Создание функции оптимизации CAGE

Любой алгоритм оптимизации, который вы хотите использовать в CAGE, должен содержаться в функции оптимизации. Функция оптимизации CAGE состоит из двух разделов.

В первом разделе определяются следующие атрибуты оптимизации:

Второй раздел содержит алгоритм оптимизации.

Открытый mbcOStemplate.m в редакторе MATLAB.

mbcOStemplate.m является пустой функцией оптимизации CAGE. Две (пустые) секции функции: options (для определения атрибутов оптимизации) и optimstore (для определения алгоритма оптимизации). Обратите внимание, что этот файл может использоваться в качестве шаблона для любой функции оптимизации, которую вы пишете.

Шаг 3: Определение параметров оптимизации

Следующим шагом является определение атрибутов оптимизации (в разделе 1 шаблона).

Открытый mbcOStutoptimfunc_s1.m. В этом файле можно просмотреть определенные атрибуты оптимизации.

Ниже приведен фрагмент кода из этого файла:

Атрибуты оптимизации передаются в CAGE через cgoptimoptions , на который ссылаются параметры в коде в mbcOStutoptimfunc_s1.m. Для получения подробной информации о cgoptimoptions объект. cgoptimoptions объект имеет набор функций, задающих атрибуты оптимизации в CAGE. Здесь указываются имя, описание, свободные переменные, целевые функции, ограничения, наборы вспомогательных данных и параметры оптимизации для оптимизации.

Для получения подробной информации обо всех доступных функциях см. ссылку на функцию оптимизации в документации CAGE. Вышеупомянутый код использовал cgoptimoptions объект (options) для установки атрибутов оптимизации, как описано в следующей таблице.

Просмотрите код, чтобы найти в списке Раздел кода (Code Section Where Set) для каждого атрибута, чтобы увидеть, как настроена каждая из опций оптимизации.

При создании одной из оптимизаций в графическом интерфейсе CAGE CAGE сначала вызывает функцию оптимизации для определения атрибутов оптимизации. Вызов функции из CAGE имеет вид

optionsobj = <your_optimization_function>('options', optionsobj)

Таким образом функция оптимизации получает cgoptimoptions объект. Обратите внимание, что функция оптимизации должна поддерживать этот интерфейс.

Шаг 4. Добавление алгоритма к функции оптимизации

На этом шаге вы завершите функцию оптимизации, добавив свой алгоритм. Для этого необходимо внести несколько изменений в код, вызывающий алгоритм, поскольку данные (например, значения свободных переменных, константы и т. д.) теперь будут передаваться в CAGE и из него, а не из рабочей области MATLAB.

В следующих разделах показано, как преобразовать существующий алгоритм для использования в CAGE. Обратите внимание, что в этом учебном примере код уже изменен для проверки.

x0 = getInitFreeVal(optimstore);

    [bestx(i, :), notused1, notused2, OUTPUT(i)] = fminunc(trqfunc,
 x0, algoptions); 

    function tq = trqfunc(x)
        
        % Evaluate torque. Note x = [SPK, AFR]
        tq = EvalModel(TQMOD, [x(1), N(i), L(i), x(2)]);
        
        % Maximising torque, so need to return -tq
        tq = -tq;

    end

[bestx, unused, exitFlag, OUTPUT] = fminunc(@trqfunc_new,
 x0, algoptions);

    function y = trqfunc_new(x)
        % Evaluate the torque objective function
        y = -evaluate(optimstore, x);
			end

% Write results to the optimstore
optimstore = setFreeVariables(optimstore, bestx);

% Set termination message
termMsg = OUTPUT.message;
OUTPUT = rmfield(OUTPUT, 'message');

% Set all information in the optimstore and leave
optimstore = setExitStatus(optimstore, exitFlag, termMsg);
optimstore = setOutput(optimstore, OUTPUT);

Шаг 5. Зарегистрируйте функцию оптимизации с помощью CAGE

Приведенный рабочий пример предварительно зарегистрирован, поэтому его можно просмотреть в мастере оптимизации при настройке новой оптимизации. Перед использованием новых функций необходимо зарегистрировать их. После изменения шаблона для создания собственной функции оптимизации, как в этом примере, необходимо зарегистрировать его с помощью продукта Model-Based Calibration Toolbox, чтобы использовать эту функцию в CAGE. После проверки функции оптимизации она появится в мастере оптимизации.

Шаг 6: Проверьте свою новую оптимизацию

Чтобы проверить алгоритм, мы настроим сеанс CAGE для выполнения оптимизации, которая была выполнена на шаге 1. Для этого примера сеанс CAGE уже настроен. Выполните следующие действия для запуска оптимизации учебного пособия в CAGE.