Документация

Обзор процесса

Функция оптимизации CAGE позволяет вам использовать собственные алгоритмы оптимизации в качестве альтернативы стандартным программам библиотеки fmincon, NBI, ga и patternsearch.

Используя пример, это руководство иллюстрирует, как взять существующий алгоритм оптимизации и реализовать его как оптимизационную функцию для использования в оптимизации CAGE.

Задачей, которая будет решена, является задача рабочего примера:

Максимизируйте крутящий момент (TQ) над свободными переменными (SPK, AFR) над заданным набором (N, L) точки. Эти точки определены в наборе данных New_Dataset, который можно найти в сеансе CAGE optimworkedexample.cag и может быть импортирована на фиксированную панель значений переменных в представлении Оптимизации.

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

Шаги процесса:

Шаги этого руководства проведут вас через ряд примеров, иллюстрирующих, как создать код, чтобы включить ваш собственный алгоритм в оптимизацию в CAGE.

Перед началом необходимо создать рабочую папку.

Шаг 1: Проверьте алгоритм

currtutoptim.m является пример файла для проверки того, что fminunc решает рабочую задачу примера. Попробовать это можно в командной строке MATLAB.

После завершения сообщений о прогрессе выход рабочей области должен напоминать следующее:

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 оптимальные SPK и AFR значения, которые максимизируют крутящий момент модели MBC (экспортируется из Holliday.mat) в точках скорости и нагрузки, заданных в матричных данных.

fminunc является примером алгоритма оптимизации, который необходимо передать в CAGE для использования в графическом интерфейсе пользователя оптимизации.

В этом руководстве показано, как сделать fminunc доступен для использования в функции оптимизации CAGE.

Шаг 2: Создайте оптимизационную функцию CAGE

Любой алгоритм оптимизации, который вы хотите использовать в CAGE, должен содержаться в оптимизационной функции. Оптимизационная функция CAGE состоит из двух секций.

Первый раздел задает следующие атрибуты оптимизации:

Второй раздел содержит алгоритм оптимизации.

Откройте mbcOStemplate.m в редакторе MATLAB.

mbcOStemplate.m - пустая оптимизационная функция CAGE. Два (в настоящее время пустых) раздела функции options (для определения атрибутов оптимизации) и optimstore (для определения алгоритма оптимизации). Обратите внимание, что этот файл может использоваться в качестве шаблона для любой оптимизационной функции, которую вы записываете.

Шаг 3: Задайте опции оптимизации

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

Откройте mbcOStutoptimfunc_s1.m. В этом файле можно увидеть атрибуты оптимизации, которые были определены.

Ниже приведен фрагмент кода из этого файла:

Атрибуты оптимизации передаются в CAGE через cgoptimoptions объект, на который ссылаются опции в коде в mbcOStutoptimfunc_s1.m. Для получения дополнительной информации о cgoptimoptions см. таблицу объект. The cgoptimoptions объект имеет набор функций, которые устанавливают атрибуты оптимизации в CAGE. Здесь вы задаете имя, описание, свободные переменные, целевые функции, ограничения, наборы вспомогательных данных и параметры оптимизации для оптимизации.

Подробную информацию обо всех доступных функциях см. в Ссылке по оптимизационным функциям в документации CAGE. Вышеуказанный код использовал cgoptimoptions объект (options), чтобы задать атрибуты оптимизации, как описано в следующей таблице.

Просмотрите код, чтобы найти перечисленную секцию кода Where Set для каждого атрибута, чтобы увидеть, как настроена каждая из опций оптимизации.

Когда одна из ваших оптимизаций создается в графическом интерфейсе пользователя CAGE, CAGE сначала вызывает вашу оптимизационную функцию, чтобы задать атрибуты оптимизации. Вызов функции из CAGE имеет форму

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

Вот как ваша оптимизационная функция получает cgoptimoptions объект. Обратите внимание, что ваша оптимизационная функция должна поддерживать этот интерфейс.

Шаг 4: Добавьте алгоритм к оптимизационной функции

На этом шаге вы завершаете оптимизационную функцию, добавив свой алгоритм. Для этого нужно внести несколько изменений в код, который вызывает алгоритм, так как данные (для примера, свободные значения переменных, константы и так далее) теперь будут переданы в и из CAGE, а не из Рабочего пространства MATLAB.

Следующие разделы иллюстрируют, как преобразовать существующий алгоритм для использования в CAGE. Обратите внимание, что в этом примере руководства код уже изменен для изучения.

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 свою оптимизационную функцию с CAGE

Предоставленный рабочий пример предварительно регистрируется, поэтому его можно увидеть как опцию в мастере оптимизации при настройке новой оптимизации. Перед использованием новых функций необходимо зарегистрировать их. Когда вы изменили шаблон, чтобы создать свои собственные оптимизационные функции, как в этом примере, вы должны зарегистрировать его с помощью продукта Model-Based Calibration Toolbox в порядок, чтобы использовать функцию в CAGE. После сдачи оптимизационной функции на хранение она появляется в мастере оптимизации.

Шаг 6: Проверьте свою новую оптимизацию

Чтобы проверить алгоритм, мы настроили сеанс CAGE, чтобы запустить оптимизацию, которая была выполнена на шаге 1. В данном примере сеанс CAGE уже настроен. Выполните следующие шаги, чтобы запустить оптимизацию руководства в CAGE.