随机规划
多目标优化
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。
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
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链接## nlarx还可以自定义映射函数