В этом примере показано, как постараться не вызывать функцию дважды, когда она вычисляет значения и для цели и для ограничений с помощью основанного на решателе подхода. Чтобы постараться не вызывать функцию дважды с помощью подхода, основанного на проблеме, смотрите Цель и Ограничения, Имеющие Общую Функцию в Последовательном или Параллельном, Основанном на проблеме.
Вы обычно используете такую функцию в симуляции. Решатели такой как fmincon выполните объективные и нелинейные ограничительные функции отдельно. Эта оценка расточительна, когда вы используете то же вычисление для обоих результатов.
Чтобы постараться не напрасно тратить время, используйте вложенную функцию, чтобы оценить цель и ограничительные функции только при необходимости путем сохранения значений длительных вычислений. Этот подход избегает использования глобальных переменных, в то время как сдерживающие промежуточные результаты быть сохраненным и совместное использование их между ограничительными функциями и целью.
Примечание
Из-за пути ga (Global Optimization Toolbox) вызывает нелинейные ограничительные функции, метод в этом примере обычно не сокращает количество вызовов ограничительных функций или цели.
Шаг 1. Запишите функцию, которая вычисляет цель и ограничения.
Шаг 2. Встройте функцию во вложенную функцию, которая сохраняет недавние значения.
Шаг 3. Определите время, чтобы запуститься с вложенной функцией.
Шаг 4. Определите время, чтобы запуститься без вложенной функции.
Шаг 5. Сэкономьте вычислительное время с параллельными вычислениями.
Например, предположите computeall дорогая (длительная) функция, вызванная и целевой функцией и нелинейными ограничительными функциями. Примите, что вы хотите использовать fmincon как ваш оптимизатор.
Запишите функцию, которая вычисляет фрагмент функционального f1 Розенброка и включает нелинейное ограничение c1 это сохраняет решение в диске радиуса 1 вокруг источника. Функция Розенброка
который имеет уникальное минимальное значение 0 в (1,1). Смотрите Решают Ограниченную Нелинейную задачу, Основанную на решателе.
Этот пример не имеет никакого нелинейного ограничения равенства, таким образом , ceq1 = []. Добавьте pause(1) оператор, чтобы симулировать дорогой расчет.
function [f1,c1,ceq1] = computeall(x) ceq1 = []; c1 = x(1)^2 + x(2)^2 - 1; f1 = 100*(x(2) - x(1)^2)^2 + (1-x(1))^2; pause(1) % Simulate expensive computation end
Сохраните computeall.m как файл на вашем MATLAB® path.
Предположим, что целевая функция
y = 100 (x 2 – x 12)2 + (1 – x 1)2
+ 20* (x 3 – x 42)2 + 5* (1 – x 4)2.
computeall возвращает первую часть целевой функции. Встройте вызов computeall во вложенной функции:
function [x,f,eflag,outpt] = runobjconstr(x0,opts) if nargin == 1 % No options supplied opts = []; end xLast = []; % Last place computeall was called myf = []; % Use for objective at xLast myc = []; % Use for nonlinear inequality constraint myceq = []; % Use for nonlinear equality constraint fun = @objfun; % The objective function, nested below cfun = @constr; % The constraint function, nested below % Call fmincon [x,f,eflag,outpt] = fmincon(fun,x0,[],[],[],[],[],[],cfun,opts); function y = objfun(x) if ~isequal(x,xLast) % Check if computation is necessary [myf,myc,myceq] = computeall(x); xLast = x; end % Now compute objective function y = myf + 20*(x(3) - x(4)^2)^2 + 5*(1 - x(4))^2; end function [c,ceq] = constr(x) if ~isequal(x,xLast) % Check if computation is necessary [myf,myc,myceq] = computeall(x); xLast = x; end % Now compute constraint function c = myc; % In this case, the computation is trivial ceq = myceq; end end
Сохраните вложенную функцию как файл с именем runobjconstr.m на вашем пути MATLAB.
Запустите функцию, синхронизировав вызов с tic и toc.
opts = optimoptions(@fmincon,'Algorithm','interior-point','Display','off'); x0 = [-1,1,1,2]; tic [x,fval,exitflag,output] = runobjconstr(x0,opts); toc
Elapsed time is 259.364090 seconds.
Сравните времена, чтобы запустить решатель с и без вложенной функции. Для запуска без вложенной функции сохраните myrosen2.m как файл целевой функции и constr.m как ограничение.
function y = myrosen2(x) f1 = computeall(x); % Get first part of objective y = f1 + 20*(x(3) - x(4)^2)^2 + 5*(1 - x(4))^2; end function [c,ceq] = constr(x) [~,c,ceq] = computeall(x); end
Запущенный fmincon, синхронизация вызова с tic и toc.
tic
[x,fval,exitflag,output] = fmincon(@myrosen2,x0,...
[],[],[],[],[],[],@constr,opts);
tocElapsed time is 518.364770 seconds.
Решатель берет в два раза длиннее, чем прежде, потому что он оценивает цель и ограничение отдельно.
Если у вас есть лицензия Parallel Computing Toolbox™, можно сэкономить еще больше времени путем установки UseParallel опция к true.
parpool
Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 6).
ans =
ProcessPool with properties:
Connected: true
NumWorkers: 6
Cluster: local
AttachedFiles: {}
AutoAddClientPath: true
IdleTimeout: 30 minutes (30 minutes remaining)
SpmdEnabled: trueopts = optimoptions(opts,'UseParallel',true);
tic
[x,fval,exitflag,output] = runobjconstr(x0,opts);
tocElapsed time is 121.151203 seconds.
В этом случае включение параллельных вычислений уменьшает вычислительное время в половине, по сравнению с последовательным запуском с вложенной функцией.
Сравните запуски с параллельными вычислениями, с и без вложенной функции:
tic
[x,fval,exitflag,output] = fmincon(@myrosen2,x0,...
[],[],[],[],[],[],@constr,opts);
tocElapsed time is 235.914597 seconds.
В этом примере, вычисляя параллельно, но не вложенный берет в то же время в качестве вычисления вложенного, но не параллельный. Вычисление и вложенного и параллель берет половину времени использования любого одного.