Hauptinhalt

Erste Schritte mit der Global Optimization Toolbox

R2026b
Lösen von Optimierungsproblemen mit mehreren Maxima, mehreren Minima und nichtglatten Funktionen

Global Optimization Toolbox bietet Funktionen, die nach globalen Lösungen für Probleme suchen, die mehrere Maxima oder Minima enthalten. Zu den Lösungsverfahren der Toolbox gehören Ersatzverfahren, Mustersuche, genetischer Algorithmus, Partikelschwarmverfahren, simulierte Abkühlung, Multistartverfahren und globale Suche. Diese Solver können für Optimierungsprobleme verwendet werden, bei denen die Zielfunktion oder die Nebenbedingungsfunktion stetig, unstetig oder stochastisch ist, keine Ableitungen besitzt oder Simulationen oder Black-Box-Funktionen beinhaltet. Bei Problemen mit mehreren Zielsetzungen kann man mithilfe genetischer Algorithmen oder Mustersuchverfahren eine Pareto-Front identifizieren.

Die Effektivität des Solvers lässt sich verbessern, indem Sie Optionen anpassen und, bei entsprechenden Solvern, die Funktionen zum Erstellen, Aktualisieren und Suchen individuell gestalten. Sie können benutzerdefinierte Datentypen mit den Solvern für genetische Algorithmen und simulierte Abkühlung verwenden, um Probleme darzustellen, die sich nicht ohne Weiteres mit Standarddatentypen ausdrücken lassen. Mit der Option „Hybridfunktion“ können Sie eine Lösung verbessern, indem Sie einen zweiten Solver anwenden, der von der Lösung des ersten Solvers ausgeht.

Tutorials

Über globale Optimierung