barrierPenalty

Логарифмическое значение штрафа барьера для точки относительно ограниченной области

свернуть все на странице

    Синтаксис

    p = barrierPenalty(x,xmin,xmax)
    p = barrierPenalty(___,maxValue,curvature)

    Описание

    пример

    p = barrierPenalty(x,xmin,xmax) вычисляет неотрицательное (логарифмический барьер) вектор штрафа p для точки x относительно области, ограниченной xmin и xmaxP имеет ту же размерность как x. Этот синтаксис использует значения по умолчанию 1 и 0.1 для maxValue и curvature параметры барьерной функции, соответственно.

    пример

    p = barrierPenalty(___,maxValue,curvature) задает обоих maxValue и curvature параметры барьерной функции. Если maxValue пустая матрица, его значение по умолчанию используется. Аналогично, если curvature пустая матрица, или она не использована, ее значение по умолчанию используется.

    Примеры

    свернуть все

    Скрипт Open Live Script

    В этом примере показано, как использовать логарифмический barrierPenalty функция, чтобы вычислить штраф барьера за данную точку, относительно ограниченной области.

    Вычислите значение штрафа для точки 0.1 в интервале [-2,2] использование значений по умолчанию для максимального значения и параметров искривления.

    barrierPenalty(0.1,-2,2)
    ans = 2.5031e-04

    Вычислите значение штрафа для точки 4 вне интервала [-2,2].

    barrierPenalty(4,-2,2)
    ans = 1

    Вычислите значение штрафа для точки 4 вне интервала [-2,2], с помощью параметра максимального значения 5.

    barrierPenalty(4,-2,2,5)
    ans = 5

    Вычислите значение штрафа для точки 0.1 в интервале [-2,2], с помощью параметра искривления 0.5.

    barrierPenalty(0.1,-2,2,5,0.5)
    ans = 0.0013

    Вычислите значение штрафа для точки [-2,0,4] относительно поля, заданного [0,1], [-1,1], и [-2,2] вдоль x, y, и z размерностей, соответственно, с помощью значения по умолчанию для максимального значения и параметра искривления 0.

    barrierPenalty([-2 0 4],[0 -1 -2],[1 1 2],1,0)
    ans = 3×1

     1
     0
     1

    Визуализируйте значения штрафа для интервала

    Создайте вектор из 1 001 равноотстоящей точки, распределенной между-5 и 5.

    x = -5:0.01:5;

    Вычислите штрафы за все точки в векторе, с помощью значения по умолчанию для параметра максимального значения и значения 0.01 для параметра искривления.

    p = barrierPenalty(x,-2,2,1,0.01);

    Постройте точки и добавьте сетку, метки и заголовок.

    plot(x,p)
grid
xlabel("point position");
ylabel("penalty value");
title("Penalty values over an interval");

    Figure contains an axes object. The axes object with title Penalty values over an interval contains an object of type line.

    Входные параметры

    свернуть все

    Укажите, для которого штраф вычисляется в виде числового скаляра, вектора или матрицы.

    Пример: [0.5; 1.6]

    Нижние границы для xВ виде числового скаляра, вектора или матрицы. Использовать то же минимальное значение для всех элементов в x, задайте xmin как скаляр.

    Пример 1

    Верхние границы для xВ виде числового скаляра, вектора или матрицы. Использовать то же максимальное значение для всех элементов в x, задайте xmax как скаляр.

    Пример 2

    Параметр максимального значения барьерной функции в виде скаляра.

    Пример 2

    Параметр искривления барьерной функции в виде скаляра.

    Пример: 0.2

    Выходные аргументы

    свернуть все

    Значение штрафа, возвращенное как вектор из неотрицательных элементов. Каждый элемент pi зависит от положения xi относительно интервала, заданного xmini и xmaxi. Функция штрафа барьера возвращает значение

    p(x)=min(pmax,C(log(0.25(xmax−xmin)2)−log((x−xmin)(xmax−xmin))))

    когда xmin < x < xmax и maxValue в противном случае. Здесь, C является аргументом curvature, и pmax является аргументом maxValue. Обратите внимание на то, что для положительных значений C возвращенное значение штрафа всегда положительно. Если C является нулем, то возвращенный штраф является нулем в интервале, заданном границами и pmax вне этого интервала. Если x многомерен, то вычисление применяется независимо на каждой размерности. Функции штрафа обычно используются, чтобы сгенерировать отрицательные вознаграждения, когда ограничения нарушены, такой как в generateRewardFunction.

    Расширенные возможности

    Генерация кода C/C++
    Генерация кода C и C++ с помощью MATLAB® Coder™.

    Смотрите также

    Функции

    Темы

    Введенный в R2021b

    Документация Reinforcement Learning Toolbox

    Поддержка

    Для просмотра документации необходимо авторизоваться на сайте