Discussion :

[membreComplexe12]

Bonjour tous,

depuis peu j'essai de tester un peu les divers algorithmes fournis par matlab pour l'optimisation et il y en a un que je n'arrive pas à faire passer: c'est l'algo "ga".

Voici ci dessous le cas test que j'essai de lui faire passer (qui n'est pas très compliqué mais il me renvoi:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Optimization terminated: maximum number of generations exceeded.

D'après ce message d'erreur je comprends qu'il a fait pas mal de génération de population et ça ne lui à tout de même pas permit de converger, es ce bien ceci ?
Ce qui m'étonne un peu c'est que sur un exemple si simple je m'attendais à ce que ça fonctionne directement sans à avoir à bidouiller les options (avec les autres algo pas de problèmes...)

pourriez vous me dire s'il vous plait pourquoi j'ai ce genre de problèmes, comment y remédier et surtout comment le prévenir pour ne pas que ça m'arrive systématiquement dès que je change de fonction

Plus généralement, si vous pourriez m'expliquer les rudiments de l'algo "ga", c'est à dire quels sont les différents paramètres que l'on peut faire varier et quelle influence ceci à sur le résultat...

je vous remercie grandement pour votre aide !

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
clear all;close all;clc;
global xdata ydata
xdata = (0:.1:10)'; 
ydata = 40 * exp(-.5 * xdata) + randn(size(xdata));
variableBidonPrRes=0;
x0=[10 4];
param=x0;
%pas testé les bornes car déjà au premier test marche pas :(
lb=[-10000 -1000]; ub=[10000 1000];
options = optimset('TolFun',1e-5,'MaxIter',100);
nbVariables=2;
Xf = ga(@(param)res(param,variableBidonPrRes),nbVariables);
FittedCurve = Xf(1).* exp(-Xf(2)* xdata);
figure (1);hold on
plot(xdata, ydata, '*')
plot(xdata, FittedCurve, '-r')

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
function dq = res(params,variableBidonPrRes)
global xdata ydata
A = params(1);
lambda = params(2);
FittedCurve = A .* exp(-lambda * xdata)+variableBidonPrRes;
ErrorVector = FittedCurve - ydata;
dq= sum(ErrorVector .^ 2);

[membreComplexe12]

Pas d'utilisateur de l'algo génétique de matlab?

En fait le code que j'ai mis ci dessus fonctionne mais je ne trouve pas le résultat satisfaisant et je me demande si ça vient des options que j'ai mis (ou pas mis plutot).

Je vous remercie pour la moindre aide que vous pourrlez me fournir
(Par exemple, juste me dire si j'ai vous la regression obtenue est bonne ou non car chez moi ce n'est pas le cas)

[le fab]

salut

j'ai utiliser ga en formation optimisation chez mathworks et seulement là, et je n'ai pas la toolbox
je vais avoir un peu de mal à t'aider donc, mais dans mon souvenir, plutôt que de commencer à bidouiller des paramètres classiques comme tolfun et max iter, regarde surtout les paramètres génétiques : nb d'individu pas génération, nb de génération, nb de meilleurs individus conservés entre deux générations ...

sinon optimtool est très bien fait pour bidouiller et chercher dans un premier temps, et également pour avoir un accès clair à la doc

[membreComplexe12]

salut fab,
merci en tout cas d'avoir pris le temps de me répondre, c'est très gentil.
je vais regarder ce que tu m'as dis
A bientôt