python 多目标优化之帕累托最优包 帕累托最优模型

随机规划

## 含约束优化相关（2）：遗传算法及其改进

多目标优化

## 浅谈多目标优化## 多目标优化一般转换方法

帕累托最优

帕累托(Pareto)是多目标优化中经典的模型,并且它完全基于原始数据，没有将问题转化成单 目标问题分析。帕累托模型由于不需要对目标进行缩放和归一化，也不需要设定或者引入新的参数、变量(如权重、界限值)，直接基于原始目标函数和值进行操作，可以适用于任何目标、任何函数。它不会丢失目标函数和解的信息，解的优劣可以较好保证。但帕累托模型的最优解是一个集合，其中包含不止一个最优解，因此要穷尽并求出所有的帕累托最优解有一定的难度。

## 1 na,nb,nu参数解释

## 2 参数辨识原理

4 nlarx函数非线性估计器选择

help nlarx中Nonlinearity estimator可查看，MATLAB2019a

基于python的Mpc优化函数

from scipy.optimize import minimize
def eqn(u,*args):
    a = args[0]
#     print(a)
    return (u[0]-2)**2 + (u[1]-3)**2 + a
a = 10
args_1 = (a)
x0 = np.asarray((3, 5))
mymin = minimize(eqn, x0,args_1, method='BFGS')
print(mymin)

## Python如何解决非线性规划问题？有没有像matlab中的fmincon## SciPy中的经典优化算法，介绍method中有、无约束的优化问题

基于Matlab的Mpc优化函数

fmincon选择算法

基于Matlab的forecast优化函数

根据输入Z1，预测下一时刻的输出

p = 10;
j = 11;
x1(1:p) = x_init1(1:p);
y_c1(1:p) = y_init(1:p);
U = x1(j-p:j-1); %输入
Y = y_c1(j-p:j-1);
Z1 = iddata(Y,U); %初始值更新
yf5 = forecast(nlarx,Z1,1);
yf5.outputdata

## 表示预测后5时刻的输出，N+1时刻预测输出为Z1的输出，N+2-N+4输入更新为3,5,6,8,100没用，输出为上一时刻的预测
yf5 = forecast(nlarx,Z1,5,[3;5;6;8;100]);
yf5.outputdata

matlab神经网络传递函数

nlarxOptions用法

nlarxOptions链接## nlarx还可以自定义映射函数

自定义sigmoid网络

nlarx的投影矩阵是通过pca得到的