Commencer avec Global Optimization Toolbox
Global Optimization Toolbox fournit des fonctions qui recherchent des solutions globales aux problèmes contenant plusieurs maxima ou minima. Les solveurs de la boîte à outils incluent la recherche de substitution, la recherche de motifs, l'algorithme génétique, l'essaim particulaire, le recuit simulé, le multi-démarrage et la recherche globale. Vous pouvez utiliser ces solveurs pour les problèmes d'optimisation où la fonction objectif ou de contrainte est continue, discontinue, stochastique, ne possède pas de dérivées ou inclut des simulations ou des fonctions de boîte noire. Pour les problèmes à objectifs multiples, vous pouvez identifier un front de Pareto à l'aide d'algorithmes génétiques ou de solveurs de recherche de modèles.
Vous pouvez améliorer l'efficacité du solveur en ajustant les options et, pour les solveurs applicables, en personnalisant les fonctions de création, de mise à jour et de recherche. Vous pouvez utiliser des types de données personnalisés avec l'algorithme génétique et les solveurs de recuit simulé pour représenter des problèmes qui ne s'expriment pas facilement avec des types de données standard. L'option de fonction hybride vous permet d'améliorer une solution en appliquant un deuxième solveur après le premier.
Tutoriels
- Decide Between Problem-Based and Solver-Based Approach
Explore considerations for problem-based and solver-based optimization with Global Optimization Toolbox solvers.
- Comparer plusieurs solveurs globaux, basés sur des problèmes
Exemple montrant quelques caractéristiques des solveurs globaux.
- Comparison of Six Solvers
Explore some characteristics of global solvers.
- Solver Behavior with a Nonsmooth Problem
Demonstrates the importance of choosing an appropriate solver.
À propos de l'optimisation globale
- 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.
- Workflow d'optimisation
Comment trouver un optimum local ou global.
