Erste Schritte mit Global Optimization Toolbox
Global Optimization Toolbox bietet Funktionen, die nach globalen Lösungen für Probleme suchen, die mehrere Maxima oder Minima enthalten. Zu den Toolbox-Solvern gehören Surrogat-, Mustersuche-, genetische Algorithmen, Partikelschwarm-, simuliertes Abkühlen, Multistart und globale Suche. Sie können diese Solver für Optimierungsprobleme verwenden, bei denen die Ziel- oder Beschränkungsfunktion kontinuierlich, diskontinuierlich oder stochastisch ist, keine Ableitungen besitzt oder Simulationen oder Black-Box-Funktionen enthält. Bei Problemen mit mehreren Zielen können Sie eine Pareto-Front mithilfe genetischer Algorithmen oder Mustersuchlöser identifizieren.
Sie können die Effektivität des Solvers verbessern, indem Sie die Optionen anpassen und bei entsprechenden Solvern die Erstellungs-, Aktualisierungs- und Suchfunktionen individuell anpassen. Sie können benutzerdefinierte Datentypen mit dem genetischen Algorithmus und Simulated-Annealing-Solvern verwenden, um Probleme darzustellen, die mit Standarddatentypen nicht einfach ausgedrückt werden können. Mit der Option der Hybridfunktion können Sie eine Lösung verbessern, indem Sie nach dem ersten einen zweiten Solver anwenden.
Tutorials
- Decide Between Problem-Based and Solver-Based Approach
Explore considerations for problem-based and solver-based optimization with Global Optimization Toolbox solvers.
- Compare Several Global Solvers, Problem-Based
Example showing some characteristics of global solvers.
- Comparison of Six Solvers
Explore some characteristics of global solvers.
- Solver Behavior with a Nonsmooth Problem
Demonstrates the importance of choosing an appropriate solver.
Über Global Optimization
- What Is Global Optimization?
Defines global vs local solutions, and basins of attraction.
- Can You Certify That a Solution Is Global?
Issues in determining whether a solution is good.
- Optimization Workflow
How to find a local or global optimum.
