Global Optimization Toolbox는 복수의 최댓값 또는 최솟값이 있는 문제에서 전역해를 탐색하는 함수를 제공합니다. 툴박스의 솔버에는 대리, 패턴 탐색, 유전 알고리즘, 입자 군집, 담금질 기법, 복수 시작점, 전역 탐색이 있습니다. 이러한 솔버는 목적 함수나 제약 조건 함수가 연속이거나, 불연속이거나, 확률적이거나, 도함수를 갖지 않거나, 시뮬레이션이나 블랙박스 함수가 포함된 최적화 문제에 사용할 수 있습니다. 복수의 목적 함수를 갖는 문제에서는 유전 알고리즘 솔버나 패턴 탐색 솔버를 사용하여 파레토 경계를 식별할 수 있습니다.
옵션을 조정하는 방법 또는 특정 솔버의 경우 생성, 업데이트 및 탐색 함수를 사용자 지정하는 방법으로 솔버의 효과를 개선할 수 있습니다. 유전 알고리즘 및 담금질 기법 솔버에서는 사용자 지정 데이터형을 사용하여 표준 데이터형으로 표현하기 어려운 문제를 표현할 수 있습니다. 하이브리드 함수 옵션을 사용하면 첫 번째 솔버 다음에 두 번째 솔버를 적용하여 해를 개선할 수 있습니다.
최적화 문제 정의 및 풀이
최적화 문제를 정의하고 솔버를 적용하며, 알고리즘 동작, 허용오차, 중지 기준, 시각화 및 사용자 지정 옵션을 설정할 수 있습니다.
GlobalSearch 및 MultiStart
전역 최솟값을 탐색하기 위해 경사법 기반 솔버를 적용하여 여러 시작 지점에서 국소 최솟값을 찾을 수 있습니다. 나머지 국소 최솟값 또는 전역 최솟값은 반환됩니다. 미분 가능 비제약 조건 문제와 제약 조건 문제를 풀 수 있습니다.
대리 최적화
미분 불가일 수 있는 시간이 많이 소요되는 목적 함수가 있는 문제에서 전역 최솟값을 탐색할 수 있습니다. 이 솔버는 빠르게 계산하고 최소화할 수 있는 함수에 대한 근사치를 구합니다.
패턴 탐색
현재 점에서 시작해서 일련의 벡터를 추가하여 새로운 시행점을 얻을 수 있습니다. 시행점에서 목적 함수를 계산하고 그 정보를 사용하여 현재 점을 업데이트할 수 있습니다. 현재 점이 최적해가 될 때까지 반복합니다.
유전 알고리즘
생물학적 진화 원리를 모방하고 생물학적 번식의 유전자 조합을 모델로 한 규칙을 사용하여 개별 점의 모집단을 반복적으로 수정함으로써 전역 최솟값을 탐색할 수 있습니다.
다중 목적 함수 최적화
복수의 목적 함수와 범위, 선형 또는 비선형 제약 조건이 있는 문제에 대한 파레토 경계(비지배해의 집합)를 식별할 수 있습니다. 패턴 탐색 또는 유전 알고리즘 솔버를 사용할 수 있습니다.
제품 관련 자료:
"Global Optimization Toolbox의 패턴 탐색 알고리즘을 적용하여 처리량, 필요한 생산 장비, 인력, 폐기물과 같은 인자를 최적화했습니다. 모델의 가능한 모든 변형을 평가하려면 수천 번의 실험이 필요했을 것입니다. 패턴 탐색 알고리즘을 사용한 덕분에 그보다 훨씬 더 적은 횟수로 동일한 결과를 얻을 수 있었습니다."
