La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

OptimizationValues

Valores para problemas de optimización

Desde R2022a

expandir todo en la página

Descripción

Un objeto OptimizationValues contiene valores usados por y devueltos de solve para problemas multiobjetivo. El objeto también contiene valores de inicio para el argumento x0 para solvers que aceptan múltiples puntos de inicio.

Creación

La función solve devuelve un vector de objetos OptimizationValues como la solución a un problema multiobjetivo.

Cree un objeto OptimizationValues para un punto de inicio x0 utilizando la función optimvalues.

Propiedades

expandir todo

Generalmente, las propiedades OptimizationValues son dinámicas: son los nombres de las variables de optimización, función o funciones objetivo y restricciones.

No obstante, también puede tener funciones objetivo o restricciones sin nombre. En estos casos, OptimizationValues asigna las propiedades siguientes.

`Objective` — Valores de funciones objetivo
arreglo real

Valores de funciones objetivo, devueltos o especificados como un arreglo real.

Tipos de datos: double

`Constraints` — Valores de restricciones
arreglo real

Valores de restricciones, devueltos o especificados como un arreglo real.

Tipos de datos: double

Funciones del objeto

paretoplot Gráfica de Pareto de valores multiobjetivo

Ejemplos

contraer todo

`OptimizationValues` contiene una solución multiobjetivo

Este ejemplo utiliza:

Global Optimization Toolbox Global Optimization Toolbox

Abrir script en vivo

Cree y resuelva un problema multiobjetivo utilizando variables de optimización.

x = optimvar("x",LowerBound=-3,UpperBound=3);
prob = optimproblem;
prob.Objective = [x^2;(x-1)^2]; % Tradeoff region between x = 0 and x = 1
prob.Constraints.con1 = x^2 <= 1/2; % Demonstrate constraints
prob.Constraints.con2 = x^2 >= 1/10; % Second constraint
rng default % For reproducibility
[sol,fval,exitflag,output] = solve(prob,Solver="paretosearch")

Solving problem using paretosearch.

Pareto set found that satisfies the constraints. 

Optimization completed because the relative change in the volume of the Pareto set 
is less than 'options.ParetoSetChangeTolerance' and constraints are satisfied to within 
'options.ConstraintTolerance'.

sol = 
  1x60 OptimizationValues vector with properties:

   Variables properties:
            x: [0.7027 0.7014 0.3635 0.3491 0.5723 0.3177 0.4634 0.4400 0.6379 0.6402 0.3750 0.6057 0.6565 0.5483 0.6455 0.5518 0.3760 0.3232 0.6768 0.6357 0.5625 0.3952 0.3382 0.3857 0.5677 0.5170 0.5107 0.6241 0.6615 0.3295 0.6875 ... ] (1x60 double)

   Objective properties:
    Objective: [2x60 double]

   Constraints properties:
         con1: [-0.0063 -0.0081 -0.3679 -0.3781 -0.1725 -0.3991 -0.2853 -0.3064 -0.0931 -0.0902 -0.3594 -0.1332 -0.0690 -0.1994 -0.0833 -0.1955 -0.3586 -0.3955 -0.0420 -0.0959 -0.1836 -0.3438 -0.3856 -0.3512 -0.1777 -0.2327 -0.2392 ... ] (1x60 double)
         con2: [-0.3937 -0.3919 -0.0321 -0.0219 -0.2275 -9.3572e-04 -0.1147 -0.0936 -0.3069 -0.3098 -0.0406 -0.2668 -0.3310 -0.2006 -0.3167 -0.2045 -0.0414 -0.0045 -0.3580 -0.3041 -0.2164 -0.0562 -0.0144 -0.0488 -0.2223 -0.1673 -0.1608 ... ] (1x60 double)

fval = 2×60

    0.4937    0.4919    0.1321    0.1219    0.3275    0.1009    0.2147    0.1936    0.4069    0.4098    0.1406    0.3668    0.4310    0.3006    0.4167    0.3045    0.1414    0.1045    0.4580    0.4041    0.3164    0.1562    0.1144    0.1488    0.3223    0.2673    0.2608    0.3895    0.4375    0.1086    0.4727    0.2001    0.4395    0.2261    0.1658    0.4862    0.4270    0.3525    0.1057    0.2628    0.2197    0.4902    0.1760    0.3665    0.2411    0.1092    0.4911    0.1914    0.1182    0.3742
    0.0884    0.0892    0.4051    0.4237    0.1829    0.4655    0.2880    0.3136    0.1311    0.1295    0.3906    0.1555    0.1180    0.2040    0.1257    0.2009    0.3893    0.4580    0.1045    0.1327    0.1914    0.3658    0.4380    0.3773    0.1869    0.2333    0.2394    0.1413    0.1146    0.4496    0.0977    0.3055    0.1136    0.2751    0.3514    0.0916    0.1201    0.1650    0.4555    0.2375    0.2822    0.0899    0.3369    0.1557    0.2591    0.4483    0.0895    0.3164    0.4307    0.1508

exitflag = 
    SolverConvergedSuccessfully

output = struct with fields:
         iterations: 20
          funccount: 380
             volume: 1.8611
    averagedistance: 0.0101
             spread: 0.3067
      maxconstraint: 0
            message: 'Pareto set found that satisfies the constraints. ...'
           rngstate: [1x1 struct]
             solver: 'paretosearch'

El solver paretosearch converge en 16 iteraciones a una solución factible. Represente la solución.

paretoplot(sol)

Figure contains an axes object. The axes object with title Pareto Front, xlabel Objective(1), ylabel Objective(2) contains 4 objects of type text, scatter.

Elija un punto arbitrario para examinar en la representación utilizando consejos sobre datos.

El índice del punto representado es 48. Examine la solución 48.

arbitrarysol = sol(48)

arbitrarysol = 
  OptimizationValues with properties:

   Variables properties:
            x: 0.4375

   Objective properties:
    Objective: [2x1 double]

   Constraints properties:
         con1: -0.3086
         con2: -0.0914

Los valores de restricción son negativos, lo que significa que el punto representado es factible.

arbitrarysol.Objective

ans = 2×1

    0.1914
    0.3164

Los valores objetivos coinciden con los valores de los consejos sobre datos.

Limitaciones

Los objetos OptimizationValues solo admiten concatenación horizontal. En otras palabras, solo puede tener vectores fila de objetos OptimizationValues.