前言:
眼前姐妹们对“蒙特卡洛优化算法”大体比较关注,各位老铁们都想要剖析一些“蒙特卡洛优化算法”的相关知识。那么小编也在网络上搜集了一些对于“蒙特卡洛优化算法””的相关内容,希望各位老铁们能喜欢,看官们快快来了解一下吧!蒙特卡洛方法是一种利用计算机的随机数理论模拟实际的情况的一种方法。今天主要是以实例讲解蒙特卡洛方法的MATLAB编程实现求解非线性规划和非线性整数规划。
实例1
首先使用fmincon函数求解非线性规划,fmincon函数常用语句的语法如下:
[x,fval]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)x的返回值是决策向量x的取值,fval的返回值是目标函数f(x)的取值fun是用M文件定义的函数f(x),代表了(非)线性目标函数x0是x的初始值A,b,Aeq,beq定义了线性约束 ,如果没有线性约束,则A=[],b=[],Aeq=[],beq=[]lb和ub是变量x的下界和上界,如果下界和上界没有约束,则lb=[],ub=[],也可以写成lb的各分量都为 -inf,ub的各分量都为infnonlcon是用M文件定义的非线性向量函数约束options定义了优化参数,不填写表示使用Matlab默认的参数设置
主程序
clc;clear all;[x,y]=fmincon('fun1',rand(3,1),[],[],[],[],zeros(3,1),[],'fun2')
fun1.m自定义函数
function f=fun1(x);f=x(1).^2+x(2).^2+x(3).^2+8;end
fun2.m自定义函数
function [g,h]=fun2(x);g=[-x(1).^2+x(2)-x(3).^2; x(1)+x(2).^2+x(3).^3-20];h=[-x(1)-x(2).^2+2; x(2)+2*x(3).^2-3];end
运行结果
x = 0.5522 1.2033 0.9478y = 10.6511
蒙特卡洛求解带等式约束的非线性规划程序
主程序
clc;clear all;rand('state',sum(clock));%初始化随机数发生器f0=inf;x0 = [];num = 1e6;tic%计时开始for i=1:num x3=0 + 20*rand(1,1);%随机产生初始解 %% 尝试3 :将等式约束转化在随机生成的过程中 % h=[-x(1)-x(2).^2+2; % x(2)+2*x(3).^2-3]; x2 = -2*x3^2+3; x1 = -x2^2+2; x = [x1 x2 x3]; [f,g]=mengte6(x);%调用自定义函数计算 if (sum(g<=0)==2) if f0>=f %求最小值 如果当前值更优,则更新值 x0=x; f0=f; end endendtoc%计时结束fprintf('min f(x) 在x1 = %f x2 = %f x3 = %f处取得最小值:%f\n',x0(1),x0(2),x0(3),f0);
mengte6.m自定义函数
function [f,g,h]=mengte6(x)%% f是目标函数 g(x)<=0%尝试1 h(x)==0 %尝试2 h(x)>=0 h(x)<=0 f=x(1).^2+x(2).^2+x(3).^2+8;g=[-x(1).^2+x(2)-x(3).^2; x(1)+x(2).^2+x(3).^3-20; ];% h=[-x(1)-x(2).^2+2;% x(2)+2*x(3).^2-3];end
运行结果
历时 1.154699 秒。min f(x) 在x1 = 0.552347 x2 = 1.203185 x3 = 0.947844处取得最小值:10.651148
实例2
首先使用fmincon函数求解非线性规划
主程序
clc;clear all;close all;A = [1 1 1 1 1;1 2 2 1 6;2 1 6 0 0;0 0 1 1 5];b = [400;800;200;200];Aeq = [];beq = [];lb = zeros(5,1);ub = zeros(5,1)+99;x0 = rand(5,1);[x,y]=fmincon(@fun11,x0,A,b,Aeq,beq,lb,ub,@fun22);x = xy_max = -y
自定义函数fun11.m
function y = fun11(x)x1 = x(1);x2 = x(2);x3 = x(3);x4 = x(4);x5 = x(5);y = x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5;y = -y;end
自定义函数fun22.m
function [g,h] = fun22(x)%% g(x)<=0 h(x)=0 非线性约束条件g = [];h = [];end
运行结果
Local minimum found that satisfies the constraints.Optimization completed because the objective function is non-decreasing in feasible directions, to within the value of the optimality tolerance,and constraints are satisfied to within the value of the constraint tolerance.<stopping criteria details>x = 0.0000 0.0000 33.3333 99.0000 13.5333y_max = 4.2678e+04
蒙特卡洛求解非线性规划程序
主程序
clc;clear all;rand('state',sum(clock));%初始化随机数发生器f0=-inf;x0 = [];num = 1e6;tic%计时开始for i=1:num x=0 + 99*rand(1,5);%随机产生初始解 [f,g]=mengte7(x);%调用自定义函数计算 if (sum(g<=0)==4) if f0<=f %求最大值 如果当前值更优,则更新值 x0=x; f0=f; end endendtoc%计时结束fprintf('max f(x) 在x1 = %f x2 = %f x3 = %f x4 = %f x5 = %f处取得最大值:%f\n',x0(1),x0(2),x0(3),x0(4),x0(5),f0);
自定义函数mengte7.m
function [f,g]=mengte7(x)%% f是目标函数 g(x)<=0x1 = x(1);x2 = x(2);x3 = x(3);x4 = x(4);x5 = x(5);f = x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5;g=[x1+x2+x3+x4+x5-400; x1+2*x2+2*x3+x4+6*x5-800; 2*x1+x2+6*x3-200; x3+x4+5*x5-200; ];end
运行结果
历时 1.021252 秒。max f(x) 在x1 = 45.809604 x2 = 90.187886 x3 = 0.858626 x4 = 98.697572 x5 = 2.125203处取得最大值:48556.085563>>
实例3
蒙特卡洛求解非线性规划程序
主程序
clc;clear all;rand('state',sum(clock));%初始化随机数发生器f0=-inf;x0 = [];num = 1e7;tic%计时开始for i=1:num% x=0 + 99*rand(1,5);%随机产生初始解 x = randi([0 99],1,5); [f,g]=mengte7(x);%调用自定义函数计算 if (sum(g<=0)==4) if f0<=f %求最大值 如果当前值更优,则更新值 x0=x; f0=f; end endendtoc%计时结束fprintf('max f(x) 在x1 = %f x2 = %f x3 = %f x4 = %f x5 = %f处取得最大值:%f\n',x0(1),x0(2),x0(3),x0(4),x0(5),f0);
自定义函数mengte7.m
function [f,g]=mengte7(x)%% f是目标函数 g(x)<=0x1 = x(1);x2 = x(2);x3 = x(3);x4 = x(4);x5 = x(5);f = x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5;g=[x1+x2+x3+x4+x5-400; x1+2*x2+2*x3+x4+6*x5-800; 2*x1+x2+6*x3-200; x3+x4+5*x5-200; ];end
运行结果
历时 14.614175 秒。max f(x) 在x1 = 50.000000 x2 = 96.000000 x3 = 0.000000 x4 = 99.000000 x5 = 17.000000处取得最大值:50773.000000>>
本文内容来源于网络,仅供参考学习,如内容、图片有任何版权问题,请联系处理,24小时内删除。
作 者 | 郭志龙
编 辑 | 郭志龙
校 对 | 郭志龙
版权声明:
本站文章均来自互联网搜集,如有侵犯您的权益,请联系我们删除,谢谢。
标签: #蒙特卡洛优化算法