在使用MATLAB时，节省的时间最少

Question

你好，我正在写一个带有while循环的代码，在迭代过程中，我需要保存一个函数的最小值。现在在我的代码中，我保存了迭代的最后一个值，但是我想要最低的值，而不是最后一个值，如何解决它呢？她的代码是我的(我想记住这段代码在运行一段时间)

particelle = 30;               % numero delle particelle
it  = 50;                      % massimo numero di iterazioni
var = 5;                       % numero di variabili del problema
ls = 1;                        % limite superiore
li = 0;                        % limite inferiore
c2 =0.1;                      % parametro PSO 
c1 = 0.1;                     % parametro PSO 
w =0.9;                        % inerzia del PSO

% Parametri del benchmark
Io   =   3.195366750697098e-9;
Iirr =   1.073577407858;
Rp   =   0.783526109678138e+5;
Rs   =   1.18407328046765;
n    =   1.33752492449578;

% Limiti da considerare 
Io_low = Io - (Io * 0.1);               % valore basso togliamo il 10   per cento
Io_high = Io + (Io * 0.1);              % valore alto sommiamo il 10 per cento
Iirr_low = Iirr - (Iirr * 0.1);         % valore basso togliamo il 10 per cento
Iirr_high = Iirr + (Iirr * 0.1);        % valore alto sommiamo il 10 per cento
Rp_low = Rp - (Rp * 0.1);               % valore basso togliamo il 10   per cento
Rp_high = Rp + (Rp * 0.1);              % valore alto sommiamo il 10 per cento
Rs_low = Rs - (Rs * 0.1);               % valore basso togliamo il 10 per cento
Rs_high = Rs + (Rs * 0.1);              % valore alto sommiamo il 10 per cento
n_low = n - (n * 0.1);                  % valore basso togliamo il 10 per cento
n_high = n + (n * 0.1);                 % valore alto sommiamo il 10 per cento

x_low = [Rs_low, n_low, Io_low, Iirr_low, Rp_low ];
x_high = [Rs_high, n_high, Io_high, Iirr_high, Rp_high];

fitness1 = @fitness;          % funzione di fitness


pos = rand(particelle, var);            % posizione delle particelle
vel = 1e-3*rand(particelle, var) ;      % velocità delle particelle
pers  = pos ;                           % personale delle particelle
glob = min(pers);                       % minimo di ogni colonna            
glob = repmat(glob,particelle,1);       % minimo globale uguale per ogni particella           

fitness_corrente = zeros(particelle,1);              % inizializziamo la matrice fitness_corrente che conterrà tutti i valori del fitness di ogni singola particella 
h = zeros(particelle,var);                           % inizializziamo la matrice per 
for i = 1: particelle
h(i,:) = x_low + (pos(i,:).*(x_high-x_low));     % normalizziao i limiti delle particelle
fitness_corrente(i,:) = fitness1(h(i,:));        % fitness della prima popolazione normalizzata
end 

% assegnamo il valore di fitness di ogni particella a fitness_personale
fitness_pers = fitness_corrente;

% indidichiamo con fitness_globale il minimo valore ottenuto dalla fitness e la posizione che occupa x è la particella con ilvalore minimo di fitness
[fitness_glob, minimo] = min(fitness_pers);

%% Main
iter = 1 ;                                    % Contatore 
while  ( iter < it )                          % Finchè non arriviamo a 50 continua 
iter = iter + 1;

% Assegnamo i nuovi valori al personale se ce ne è bisogno
for i = 1:particelle
for j = 1: var
    if pos(i,j) < pers(i,j)
        pers(i,j) = pos(i,j);
    end 
end
end
% implementiamo il valore globale
glob = min(pers);                       % minimo di ogni colonna            
glob = repmat(glob,particelle,1);               % minimo globale uguale per ogni particella           

% implementiamo ancora velocità e posizione
 vel = w*vel + c1*((pers-pos)) + c2*((glob-pos));
 vel(vel<=-0.99) = -0.1;
 pos = pos + vel; 
 con = 0;
% vediamo se le particelle sono all' interno
for i = 1:particelle
for k = 1:var
    if pos(i,k) < li || pos(i,k) > ls
        pos(i,:) = rand(1,var);
        con = con +1;
    end 
end 
end

% vediamo di nuovo il fitness della singola particella normalizzata
for i = 1: particelle
h(i,:) = x_low + (pos(i,:).*(x_high-x_low));     % normalizziao i limiti delle particelle
fitness_corrente(i,:) = fitness1(h(i,:));        % fitness della nuova popolazione
if fitness_corrente(i,:) < fitness_pers(i,:)     % se il fitness della nuova popolazione è minore di quello della vecchia popolazione
    fitness_pers(i,:) = fitness_corrente(i,:);   % assegna il valore di quel fitness alla nuova posizione 
end

end 

[temporaneo, m] = min( fitness_pers);       % temporaneo serve esclusivamente a vedere se il minimo è diminuito rispetto a prima
if temporaneo < fitness_glob
fitness_glob = temporaneo;
minimo = m;                                  % riassegnamo così anche la posizione del fitness globale
end

end % fine del loop


disp(fitness_glob);                         % fitness minimo
disp(h(minimo,:));          

这是一个完整的测试，函数适合性是这个，但您可以使用另一个具有5个变量的

function [ f ] = fitness(x)

Rs       = x(1);
n        = x(2);
Io       = x(3);
Iirr_ref = x(4);
Rp       = x(5);

load datatest_bench1.txt;
V = datatest_bench1(:,1);
I = datatest_bench1(:,2);

for i=1:length(V)
    Ieval(i) = I_bench1(Rs,Rp,Io,Iirr_ref,n,273.15+45,V(i));
    f(i)     = (Ieval(i)-I(i));      
end
    f = mean(abs(Ieval(i)-I(i)));      

结束

Answer 1

通过将最小值设置为与函数一起迭代的向量，可以很容易地做到这一点，例如：

for a = 1:10
   number = rand(10);
   minimum(a) = min(number);
end

最后，你会得到一个与你迭代的时间长度相同的向量的最小值。然后，您可以对向量执行另一个最小值，以获得整个迭代过程的最小值。

在您的示例中，您可以简单地将迭代器放入调用函数中；如果您使用的是while，则可以放置一个常量(初始设置为1)，并在每次添加一个常量，然后将其用作向量索引。

a = 1;
while (some condition)
    conditions
    [temp(a), m(a)] = min (fitness_pers); 
    a= a+1;
end