目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序

这篇具有很好参考价值的文章主要介绍了目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序

目标级联分析法(Analytical Target Cascading,ATC)是一种采用并行思想解决复杂系统的设计方法,最初由密执安大学研究人员提出,主要用于汽车、飞机等设计领域。其原理如下:
目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序
如图a所示,ATC 的基本思想是将设计指标自系统到子系统到部件不断分流,同时各级响应由下而上不断反馈,主系统、子系统和部件级各单元问题分别独立求解,交叠优化,直到满足收敛条件为止。每一个元素都是由一个分析模块和设计模块组成,如图 (b)所示。设计模块用于自身问题的优化设计,分析模块用于计算优化迭代时目标变量的响应值。系统将优化后的设计变量 t,ij 传递至子系统,这个值成为子系统的目标;子系统在不等式约束g,sub <=0 及等式约束h,sub = 0 的前提下,设计模块优化自身问题f,subf,分析模块通过引入惩罚项 pai( t,ij - r,ij)使设计模块优化的值 r,ij 靠近该目标。

惩罚项 pai( t,ij - r,ij) 代表复杂系统分解时耦合变量的一致性约束。常用的罚函数有二次罚函数、基于泰勒展开的对角线二次近似罚函数、拉格朗日罚函数及增广拉格朗日罚函数等。根据惩罚项表达式的不同,因此 ATC
有不同的数学表达形式,其求解效率也存在区别。

算例分析
初始目标函数:
求f(x1) = a1(x1-a2)^2最小值;
其中 x = [x1, x2]
约束条件:
g1(x) = b1x1 + b2x2 + b3 <= 0
g2(x) = c1x1 + c2x2 + c3 <= 0
其中
a = [2, 3];
b = [2, 4, 1];
c = [4, -1, 1];

转换成目标级联分析法( Analytical Target Cascading , ATC )模型为:
1求P1 = f(x1_1) + phi_1(x1_1,x1_2,v,w)最小值
其中 x1_2, v, w 是固定参数, phi_1是增广拉格朗日罚函数
2求P2 = phi_2(x1_1,x1_2,v,w)最小值
其中x1_1, v, w 是固定参数, phi_2是增广拉格朗日罚函数
约束条件:
g1(x) <= 0
g2(x) <= 0

matlab部分程序:
ATC 目标级联分析法matlab程序

// 目标级联分析法matlab程序
%% 参数设置
v = [0 0];
w = [1 1];
beta = 1.3;% 罚函数乘子
z0 = -0.3;%初始值
c_old = [inf inf];
epsilon = 1e-4; % 收敛精度
continue_loop = 1;
maxiter = 100; %目标级联分析法的最大迭代次数
i = 1;

%% 外环
while continue_loop
    [c,x,f] = ATCinnerloop(v,w,z0);    
    v = v + 2*w.*w.*c;%更新一次惩罚因子
    w = w*beta;       %更新二次惩罚因子
    z0 = x(1);    
    if norm(c-c_old) <= epsilon   %范数norm
        if norm(c) <= epsilon
            continue_loop = 0;
        end
    end    
    c_old = c;   
    ...........

计算结果:
目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序文章来源地址https://www.toymoban.com/news/detail-449818.html

到了这里,关于目标级联分析法( Analytical Target Cascading , ATC )理论matlab程序的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 层次分析法

    人们常常面临一个由 相互关联、相互制约 的众 多因素 构成的复杂而往往 缺少定量数据 的系统; AHP是对一些较为复杂、较为模糊的问题作出决策的简易方法,特别适用于那些难于完全定量分析的问题; 美国运筹学家T. L. Saaty 教授于上世纪70 年代初期提出的一种简便、灵活

    2024年02月02日
    浏览(65)
  • 【爬虫逆向分析实战】某笔登录算法分析——本地替换分析法

    作者最近在做一个 收集粉币 的项目,可以用来干嘛这里就不展开了😁,需要进行登录换算token从而达到监控收集的作用,手机抓包发现他是通过APP进行计算之后再请求接口的,通过官网分析可能要比 APP逆向方便多 ,但是通过这几天的观察我并没有头绪,这篇文章草稿创建了

    2024年02月05日
    浏览(49)
  • 线性判别分析法(LDA)

            在主成分分析法(PCA)中,我们对降维算法PCA做了总结。这里我们就对另外一种经典的降维方法线性判别分析(Linear Discriminant Analysis, 以下简称LDA)做一个总结。LDA在模式识别领域(比如人脸识别,舰艇识别等图形图像识别领域)中有非常广泛的应用,因此我们有

    2023年04月08日
    浏览(43)
  • 数学建模——层次分析法

    正互反矩阵:若矩阵中每个元素a(ij)0且满足a(ij)*a(ji)=1。 层次分析法中,我们构造的判断矩阵均是正互反矩阵。 一致矩阵:若正互反矩阵满足a(ij)*a(jk)=a(ik)。 一致矩阵的秩为1。 一致矩阵有一个特征值为n,其余特征值均为0。 判断矩阵越不一致时,最大特征值与n相差越大。 一

    2024年02月16日
    浏览(42)
  • 数学建模:层次分析法

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 将问题条理化,层次化,构建出一个有层次的结构模型。层次分为三类: 目标层,准则(指标)层,方案层 。 比较指标层中不同指标之间的相对重要程度,并且构建一个 成对比较矩阵 。 自行判断两个不同指标的相对重要程

    2024年02月10日
    浏览(47)
  • 层次分析法(matlab实现)

           在决策理论中,层次分析法是一种以 数学 和 心理学 为基础,组织和分析复杂决策的结构化技术,它代表了一种 量化决策标准权重 的准确方法,通过成对比较,利用个别专家的经验来估计因素的相对大小        在很多情况下,我们对事物的评价,应该多维度的进

    2024年02月09日
    浏览(47)
  • 数学建模:主成分分析法

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 构建原始数据矩阵 X X X ,其中矩阵的形状为 x ∗ n x * n x ∗ n ,有 m m m 个对象, n n n 个评价指标。 然后进行矩阵的 归一化处理 。 首先计算矩阵的指标之间的 相关系数矩阵 R R R 。使用matlab 的 corr 即可得到。 计算相关系数矩

    2024年02月10日
    浏览(55)
  • 【自控笔记】线性系统时域分析法

    二阶系统单位阶跃

    2024年04月11日
    浏览(43)
  • 功能测试—边界值分析法

    边界值分析法就是对输入的边界值进行测试的一种黑盒测试方法。通常边界值分析法是作为对等价类划分法的补充,这种情况下,其测试用例来自等价类的边界 1 为什么引入边界值分析法? 测试实践表明,大量的故障往往发生在输入定义域的边界上,而不是在其内部。因此,

    2024年02月09日
    浏览(46)
  • MCM备赛笔记——层次分析法

    层次分析法 Key Concept 层次分析法(Analytic Hierarchy Process, AHP)是一种结构化的、定量化的决策方法,用于处理复杂的决策问题。它通过建立层次结构模型,将复杂问题分解为更小的部分(即准则、子准则和备选方案),然后通过成对比较和权重赋予来评估这些部分的相对重要

    2024年01月19日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包