全局优化工具箱

 

全局优化工具箱

解决多个最大值、多个最小值和非光滑优化问题

定义和解决优化问题

定义优化问题,应用解算器,并为算法行为、容差、停止标准、可视化和自定义设置选项。

GlobalSearch和MultiStart

应用基于梯度的求解器从多个起点查找局部极小值,以搜索全局极小值。返回其他局部或全局极小值。解决平滑的无约束和约束问题。

代理优化

搜索具有耗时目标函数的问题的全局极小值,这可能是非光滑的。解算器构建了一个可以快速计算和最小化的函数近似值。

模式搜索

从当前点开始,添加一组向量以获得新的试验点。评估试验点的目标函数,并使用该信息更新当前点。重复操作,直到当前点达到最佳。

遗传算法

通过模仿生物进化的原理来搜索全局最小值,在生物繁殖中使用基因组合的规则反复修改个体点的种群。

粒子群

使用受昆虫群集行为启发的算法搜索全局最小值。每个粒子的运动速度和方向都受到迄今为止它所找到的最佳位置和群体所找到的最优位置的影响。

模拟退火

使用概率搜索算法搜索全局最小值,该算法模拟退火的物理过程,在退火过程中,材料被加热,然后缓慢降低温度以减少缺陷,从而最小化系统能量。

多目标优化

确定Pareto前沿——具有多个目标和有界、线性或非线性约束的问题的非支配解集。使用模式搜索或遗传算法求解器。

“我……在Global Optimization Toolbox中应用了一种模式搜索算法来优化诸如吞吐量、所需生产设备、人力和浪费等因素。评估所有可能的模型变体需要数千次实验。使用模式搜索算法,我可以用这个数目的一小部分获得相同的结果。”

戴姆勒股份公司Marius Gemeinhardt

获得免费试用

30天的探索触手可及。


准备好购买了吗?

获取定价信息并浏览相关产品。

你是一个学生吗?

您的学校可能已经通过校园许可证提供了对MATLAB、Simulink和附加产品的访问。