Global Optimization Toolbox

求解多最大值、多最小值和非平滑优化问题

Global Optimization Toolbox 提供的函数可为包含多个最大值或最小值的问题搜索全局解。工具箱求解器包括替代、模式搜索、遗传算法、粒子群、模拟退火、多起点和全局搜索。您可以使用这些求解器来求解目标函数或约束函数连续、不连续、随机、导数不存在以及包含仿真或黑盒函数的优化问题。对于有多个目标的问题，您可以使用遗传算法或模式搜索求解器确定帕累托前沿。

您可以通过调整选项，或自定义适用的求解器的函数创建、更新和搜索，来提高求解器效率。您可以使用自定义数据类型，配合遗传算法和模拟退火求解器，来表示用标准数据类型不容易表达的问题。混合函数选项支持您通过在第一个求解器后应用第二个求解器来改进解。

什么是 Global Optimization Toolbox？

定义和求解优化问题

定义优化问题，应用求解器，并设置算法行为、容差、停止条件、可视化和自定义等的选项。

使用基于问题的方法比较全局求解器

文档 | 示例

GlobalSearch 和 MultiStart

应用基于梯度的求解器，从多个起点寻求局部最小值以搜索全球最小值。求解平滑的无约束和有约束问题。

使用 GlobalSearch 和 MultiStart 最大化单色偏振光干涉图案

文档 | 示例

替代优化

搜索具有耗时目标函数的问题的全局最小值。该问题可能是非平滑的。求解器会对函数建立一个逼近，从而快速计算并求其最小值。

六元八木天线的替代优化

文档 | 示例

模式搜索

从当前点开始，添加一组向量以获得新试验点。计算试验点上的目标函数值，并使用该信息来更新当前点。重复该过程直到当前点成为最佳点。

随机目标函数的优化

文档 | 示例

遗传算法

模仿生物进化原理，使用遵循生物繁殖基因组合的规则反复修改一个种群的各个个体，从而搜索全局最小值。

阶梯式悬臂梁设计优化

文档 | 示例

粒子群

使用受昆虫群居行为启发的算法搜索全局最小值。每个粒子移动的速度和方向受目前为止它找到的最佳位置和整个群体找到的最佳位置的影响。

文档 | 示例

模拟退火

使用模拟退火物理过程的概率搜索算法搜索全局最小值。在退火过程中材料先被加热，然后缓慢降低温度以减少缺陷，从而最小化系统能量。

文档 | 示例

多目标优化

找出有多个目标和边界、线性或非线性约束的问题的帕累托前沿（非支配解集）。使用模式搜索或遗传算法求解器。

使用多目标优化计划核燃料处置

文档 | 示例

产品资源:

文档示例视频技术文章函数要求发行说明

“我...应用了 Global Optimization Toolbox 中的模式搜索算法来优化吞吐量、所需生产设备、人力和废弃物等因素。评估所有可能的模型变体需要成千上万次试验。但是，使用模式搜索算法，我获得相同结果所需的试验次数远远低于上述理论值。”
Marius Gemeinhardt，戴姆勒公司

查看更多客户案例