蒙特卡洛与遗传算法初识2024.1.18

蒙特卡洛

利用随机数求解非线性规划。

整数规划求解非线性规划，一般是用01决策进行转化，在有限集中进行枚举求解。

所以当范围过大或自变量维数很大用01决策难以转化时，整数规划就寄了。则可以使用蒙特卡洛。

一般选择随机1e6个点

例：

        

        

底层采用枚举，所以需要自定义求解

 为调用函数名，返回目标函数值，约束条件是否满足

clc,clear,close all;
rng(0);
v0=0;
x0=0;
n=1e6;
tic
for i=1:n
    x=randi([0,99],1,5);
    [f,g]=mengte(x);
    if all(g<=0)
        if v0<f
            x0=x;v0=f;
        end
    end
end
toc
disp(x0);
disp(v0);

function [f,g]=mengte(x);
f=x(1)^2+x(2)^2+3*x(3)^2+4*x(4)^2+2*x(5)^2-8*x(1)-2*x(2)-3*x(3)-x(4)-2*x(5);
g=[sum(x)-400
    x(1)+2*x(2)+2*x(3)+x(4)+6*x(5)-800
    2*x(1)+x(2)+6*x(3)-200
    x(3)+x(4)+5*x(5)-200];
end

对于随机算法能得到更优解，但内置的遗传算法能达到同样效果。

遗传算法

内置遗传算法的函数

• fun：目标函数，可以是函数句柄或一个字符串表达式，默认为最小化。
• nvars：变量的数量，即目标函数的自变量个数。
• A：不等式约束的系数矩阵，默认为
• b：不等式约束的右侧向量。
• Aeq：等式约束的系数矩阵。
• beq：等式约束的右侧向量。
• lb：自变量下限向量。
• ub：自变量上限向量。
• nonlcon：非线性约束函数，可以是函数句柄或一个字符串表达式。
• IntCon: 整数约束。
• options：一个结构体，包含优化选项的设置。

例 ：

问题同上

clc,clear,close all;
A=[1,1,1,1,1
    1,2,2,1,6
    2,1,6,0,0
    0,0,1,1,5];
b=[400
    800
    200
    200
    ];
tic
[x0,v]=ga(@(x) -op(x),5,A,b,[],[],zeros(1,5),99*ones(1,5),[],[1:5]);
toc
disp(x0);
disp(-v);

function f=op(x);
f=x(1)^2+x(2)^2+3*x(3)^2+4*x(4)^2+2*x(5)^2-8*x(1)-2*x(2)-3*x(3)-x(4)-2*x(5);
end

所得的结果比蒙特卡洛更优