Читать практическое задание по информационному обеспечению, программированию: "Решение задач оптимизации в среде MatLab" Страница 1

назад (Назад)скачать (Cкачать работу)

Функция "чтения" служит для ознакомления с работой. Разметка, таблицы и картинки документа могут отображаться неверно или не в полном объёме!

МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования

“Тверской государственный технический университет” Лабораторная работа №5

по дисциплине: “Автоматизация технологических процессов и производств”

на тему: “ Решение задач оптимизации в среде MatLab” Выполнил: Мякатин И.Д.

Принял: Марголис Б.И. Тверь 2016 Цель работы: Ознакомиться со способами решения задач в среде MatLab. Рассмотреть несколько типовых примеров задач оптимизации и реализовать программу в среде MatLab для их решения. Optimization ToolBox Среда MatLab содержит расширение “Optimization ToolBox”, обеспечивающее доступ к сервисным средствам обычной и крупномасштабной (большой размерности) оптимизации.

Тулбокс Оптимизация содержит подпрограммы для реализации наиболее широко используемых методов минимизации и максимизации. Тулбокс включает в себя алгоритмы для решения многих типов задач оптимизации, таких как:

· Современные стандартные алгоритмы оптимизации.

· Нелинейная минимизация без ограничений.

· Нелинейная минимизация с ограничениями, включая задачи минимакса, достижения цели и полубесконечной минимизации.

· Квадратичное и линейное программирование.

· Нелинейный метод наименьших квадратов и подбор кривых с границами.

· Решение системы нелинейных уравнений.

· Линейный метод наименьших квадратов с ограничениями.

· Специализированные крупно-масштабные алгоритмы (большой размерности) для решения больших разреженных задач.

· Подбор данных с помощью подбора кривых, нелинейный метод наименьших квадратов, определение нулей нелинейных уравнений и системы нелинейных уравнений.

· Гибкая среда, которая обрабатывает ввод скаляра, вектора или матрицы. Функции нелинейной оптимизации С их помощью можно определить оптимум целевой функции одной (fminbnd) или нескольких (fminsearch) переменных. Функции fminunc и fmincon позволяют решать оптимизационные задачи градиентными методами соответственно при отсутствии и наличии ограничений. [2]

· fminbnd - поиск функции одной переменной для фиксированного интервала.

· fmincon - поиск минимума нелинейной задачи с ограничениями.

· fminsearch - поиск минимума функции нескольких переменных без ограничений.

· fminunc - поиск минимума функции нескольких переменных без ограничений.

· fseminf - поиск минимума полубесконечной нелинейной функции нескольких переменных с ограничениями. [4] Реализуем программу в среде MatLab для решения некоторых типовых задач оптимизации . Поиск минимума функции одной переменной вида

. Поиск минимума функции нескольких переменных вида

. Поиск оптимальных настроек ПИД-регулятора при наличии ограничений, путём минимизации целевой функции вида, где- коэффициенты усиления дифференциальной, пропорциональной и интегральной составляющих регулятора соответственно. Листинг программы

нелинейный оптимизация целевой регулятор

Файл-сценарийall

method=input(['Выберите метод оптимизации(1-Метод золотого сечения,' ...

'параболическая интерполяция,2-Метод Нелдера-Мида(Симплекс): '...

'3-Квазиньютоновский метод, 4-поиск оптимальных настроек регулятора : ) ']);

optset=optimset('Display','iter','MaxFunEvals',500);method

case 1

nf=1;

[xmin,fval,exitflag,output]=fminbnd(@fun,-2,2,optset,nf)

case 2

nf=input('Введите номер функции: ');

if nf==1


Интересная статья: Основы написания курсовой работы