Global Optimization Toolbox
Resuelva problemas de optimización no suave, con múltiples máximos y múltiples mínimos
¿Tiene preguntas? Comuníquese con ventas.
¿Tiene preguntas? Comuníquese con ventas.
Global Optimization Toolbox ofrece funciones para solucionar problemas con múltiples máximos y múltiples mínimos. Esta toolbox incluye solvers de sustitutos, búsqueda de patrones, algoritmo genético, nube de partículas, recocido simulado, inicio múltiple (MultiStart) y búsqueda global (GlobalSearch). Puede utilizar estos solvers para problemas de optimización en los que la función de restricción u objetivo es continua, discontinua o estocástica, no contiene derivadas, o contiene simulaciones o funciones con opacidad. En el caso de problemas con múltiples objetivos, puede identificar un frente de Pareto con solvers de algoritmo genético o de búsqueda de patrones.
Puede mejorar la efectividad de los solvers ajustando las opciones y, con ciertos solvers, personalizando las funciones de creación, actualización y búsqueda. Puede emplear tipos de datos personalizados con los solvers de algoritmo genético y recocido simulado para representar problemas difíciles de expresar con tipos de datos estándar. La opción de función híbrida permite mejorar una solución aplicando un segundo solver después del primero.
Defina un problema de optimización, aplique un solver y configure las opciones de comportamiento de algoritmos, tolerancias, criterios de detención, visualizaciones y personalizaciones.
Aplique solvers basados en gradientes para hallar mínimos locales a partir de múltiples puntos de inicio en busca de mínimos globales. Resuelva problemas suaves con y sin restricciones.
Halle mínimos globales en problemas con funciones objetivo que consumen mucho tiempo y pueden ser no suaves. El solver crea una aproximación a la función que se puede evaluar y minimizar con rapidez.
Comience desde el punto actual y agregue un conjunto de vectores para obtener nuevos puntos de prueba. Evalúe la función objetivo en los puntos de prueba y utilice esa información para actualizar el punto actual. Repita hasta que el punto actual sea un óptimo.
Halle mínimos globales imitando los principios de evolución biológica, modificando repetidamente una población de puntos individuales con reglas modeladas a partir de combinaciones de genes de reproducción biológica.
Halle mínimos globales con un algoritmo inspirado por la naturaleza, especialmente por ciertos sistemas biológicos. Cada partícula se mueve con una velocidad y en una dirección determinadas por la mejor ubicación individual y la mejor ubicación identificada por la nube de partículas.
Halle mínimos globales con un algoritmo de búsqueda probabilística que imita el proceso físico del recocido, en el que un material se calienta y luego se baja la temperatura lentamente para disminuir los defectos, lo que reduce la energía del sistema.
Identifique el frente de Pareto, conjunto de soluciones no dominadas, para resolver problemas con múltiples objetivos, y restricciones de límites, lineales o no lineales. Emplee los solvers de búsqueda de patrones o algoritmo genético.
"[...] apliqué un algoritmo de búsqueda de patrones en Global Optimization Toolbox para optimizar factores tales como rendimiento, equipo de producción requerido, fuerza laboral y reducción de pérdidas. Se necesitarían miles de experimentos para evaluar todas las variantes de modelos posibles. Pude lograr los mismos resultados utilizando el algoritmo de búsqueda de patrones".
Marius Gemeinhardt, Daimler AG
30 días de exploración a su alcance.
Obtenga información sobre precios y explore productos relacionados.
Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.