非遺伝的ケースのMatlab遺伝的アルゴリズム

さて、これが質問の試みです。根本的な問題を理解しておらず、それをテストするための実際のデータがないため、結果が最終的にどれほど役立つかはわかりません。

最適化アルゴリズムが必要なのは正しかったです。問題は単純な線形代数よりも複雑に見えます。最適化にはfminsearch、OptmizationToolboxの関数を使用します。

まず、値を最適化する関数（目的関数）を定義する必要があります。あなたのコードに基づいて、これは

function RMSE = fun(pares)
    inclin = pares(:,1);
    azim = pares(:,2);
    Ii = zeros(8760,27);
    Di = zeros(8760,27);
    Gi = zeros(8760,27);
    for n=1:27
        Ii(:,n) = Ih.*(sind(decl).*sind(lat).*cosd(inclin(n))-sind(decl).*cosd(lat).*sind(inclin(n)).*cosd(azim(n))+cosd(decl).*cosd(lat).*cosd(inclin(n)).*cosd(HRA)+cosd(decl).*sind(lat).*sind(inclin(n)).*cosd(azim(n)).*cosd(HRA)+cosd(decl).*sind(inclin(n)).*sind(azim(n)).*sind(HRA));
        Di(:,n) = 0.5*Dh.*(1+cosd(inclin(n)));
        Gi(:,n) = (Ii(:,n)+Di(:,n))*A(n,1);
    end
    Gparque = sum(Gi,2);
    max_Gparque = max(Gparque);
    GparqueN = Gparque./max_Gparque;
    RMSE = sqrt(mean((GparqueN-veicN).^2));
end

今、私たちは呼び出すことができます

pares_opt = fminsearch(@fun, randi([0,90],27,2))

ランダムな初期化を使用します。目的関数があまり効率的に実装されていないため、最適化にはかなりの時間がかかります。これは同じことをするベクトル化されたバージョンです：

% precompute
cHRA = cosd(HRA);
sHRA = sind(HRA);
sdecl = sind(decl);
cdecl = cosd(decl);
slat = sind(lat);
clat = cosd(lat);

function RMSE = fun(pares)
    % precompute
    cinclin = cosd(pares(:,1))';
    sinclin = sind(pares(:,1))';
    cazim = cosd(pares(:,2))';
    sazim = sind(pares(:,2))';

    Ii = bsxfun(@times, Ih, ...
        sdecl * (slat * cinclin - clat * sinclin .* cazim) ...
        + (cdecl .* cHRA) * (clat * cinclin + slat * sinclin .* cazim) ...
        + (cdecl .* sHRA) * (sinclin .* sazim));
    Di = 0.5 * Dh * (1 + cinclin);
    Gi = (Ii + Di) * diag(A);

    Gparque = sum(Gi,2);
    max_Gparque = max(Gparque);
    GparqueN = Gparque./max_Gparque;
    RMSE = sqrt(mean((GparqueN-veicN).^2));
end

pares[0、90]内にあるための制約はまだ実装されていません。これを行う大まかな方法​​は、次の行を挿入することです。

    if any(pares(:) < 0) || any(pares(:) > 90)
        RMSE = inf;
        return
    end

目的関数の開始時。

すべてを一緒に入れて：

function Raquel

h = randi(24,8760,1);
nd = randi(365,8760,1);
veic = randi(333,8760,1);
max_veic = max(veic);
veicN = veic./max_veic;
Gh = randi(500,8760,1);
Dh = randi(500,8760,1);
Ih = Gh-Dh;
A = randi([300 800], 27,1);

lat = 70;
HRA =15.*(h-12);
decl = 23.27*sind(360*(284+nd)/365);

% precompute
cHRA = cosd(HRA);
sHRA = sind(HRA);
sdecl = sind(decl);
cdecl = cosd(decl);
slat = sind(lat);
clat = cosd(lat);

pares_opt = fminsearch(@fun, randi([0,90],27,2))


    function RMSE = fun(pares)

        if any(pares(:) < 0) || any(pares(:) > 90)
            RMSE = inf;
            return
        end

        % precompute
        cinclin = cosd(pares(:,1))';
        sinclin = sind(pares(:,1))';
        cazim = cosd(pares(:,2))';
        sazim = sind(pares(:,2))';

        Ii = bsxfun(@times, Ih, ...
            sdecl * (slat * cinclin - clat * sinclin .* cazim) ...
            + (cdecl .* cHRA) * (clat * cinclin + slat * sinclin .* cazim) ...
            + (cdecl .* sHRA) * (sinclin .* sazim));
        Di = 0.5 * Dh * (1 + cinclin);
        Gi = (Ii + Di) * diag(A);

        Gparque = sum(Gi,2);
        max_Gparque = max(Gparque);
        GparqueN = Gparque./max_Gparque;
        RMSE = sqrt(mean((GparqueN-veicN).^2));

    end
end

シミュレートされたデータを使用して、同じランダム化データで初期値が異なる場合に最適化を2回実行すると、異なる解が得られます。これは、目的関数の極小値が複数あることを示しています。うまくいけば、これは実際のデータには当てはまりません。