Matlab R2014a与R2015a优化边界约束的问题

我有个问题。我在我的工作机器（R2014a）和另一个机构的朋友的机器（R2015a）上运行GA优化，发现优化文件有一个非常严重的错误。我以以下方式使用GA：

[x，fval]=ga（@massstress，7，[]，[]，[]，[]，[]，[]，[]，[]，[]，[]，LB，UB，@nonlinbound，intcon，options）

两个版本之间的错误源是对代码的@nonlinbound条件的评估。在我的优化中，@nonlinbound有四个关系，根据GA代码，在计算变量集“x”时，它们必须小于或等于0，才能认为解决方案有效

评估R2014a上10个“x”溶液的@nonlinbound：

ans=
-0.0012   -0.0010    0.0000   -0.0067
-0.0014   -0.0008    0.0000   -0.0018
-0.0014   -0.0008    0.0000   -0.0010
-0.0013   -0.0009    0.0000   -0.0042
-0.0013   -0.0009    0.0000   -0.0030
-0.0012   -0.0010    0.0000   -0.0067
-0.0012   -0.0010   -0.0000   -0.0143
-0.0014   -0.0008    0.0000   -0.0018
-0.0014   -0.0008    0.0000   -0.0010
-0.0013   -0.0009   -0.0000   -0.0442
-0.0013   -0.0009    0.0000   -0.0042
-0.0013   -0.0009   -0.0000   -0.0169
-0.0013   -0.0009    0.0000   -0.0030
-0.0012   -0.0010   -0.0000   -0.0014
-0.0013-0.0009-0.0000-0.0246

评估R2015a上10个“x”值的@nonlinbound：

ans=
-0.0029    0.0006    0.0001   -4.1210
-0.0031    0.0008    0.0001   -3.4284
-0.0032    0.0008    0.0001   -1.6713
-0.0029    0.0006    0.0001   -8.3895
-0.0032    0.0008    0.0001   -0.3974
-0.0028    0.0005    0.0001   -8.4606
-0.0032    0.0009    0.0001   -1.6834
-0.0026    0.0004    0.0002   -6.5051
-0.0031    0.0008    0.0001   -8.1347
-0.0032    0.0008    0.0001   -1.4590
-0.0030    0.0006    0.0001   -7.6538
-0.0030    0.0006    0.0001   -2.2644
-0.0028    0.0006    0.0001   -7.2583
-0.0031 0.0007 0.0001-5.7414

如您所见，边界约束没有得到正确满足，我在R2015a中得到的解决方案在物理上不可行/不可制造（因此非线性约束设置了真实的物理几何体..）

有什么想法吗？两个版本之间会有什么变化

为了确认，是的，两个系统之间的代码是相同的。一台机器上的更改立即传播到第二台机器，因此我可以确认整个设置是在两台机器之间克隆的。
多亏了Mathworks的好心人，已经找到了解决方案！现引述如下：

我对这个问题做了更多的研究，似乎非线性约束的默认公差已从MATLAB R2014a更改为R2015a

由于在使用“gaoptimset”设置遗传算法选项时未指定公差，因此使用了默认值：R2015a中的1e-3和R2014a中的1e-6

更紧的公差可能是R2015a中违反约束（公差范围内）的原因

要设置公差，可以使用以下语法：

options.TolCon=1e-6

我可以确认这确实纠正了我的问题。非常感谢你，拉格哈夫·P·马修斯

注意：必须先收集选项，然后才能使用以下代码进行设置：

options=gaoptimset（@ga）
我对遗传算法不太了解（如果你说的是遗传算法的话），但它们不是意味着每次评估时都会输出不同的结果，即使是在同一台机器上？他们不使用随机抽样吗？是的，GA=遗传算法。它们确实输出不同的结果，并且它们确实使用了某种程度的随机抽样，但是由于结果的差异，我运行了几次遗传算法（每个解决方案在这台机器上收敛大约需要6-10秒）。所以你看到的结果，我发布的每个都来自一个GA解决方案（一台机器上有15个解决方案，另一台机器上有15个解决方案）。问题在于第二个集合的正值的存在，这意味着收敛解不满足约束关系。当然，您是否可以发布
nonlinbound
。代码本身将有以下信息：1：GA运行的优化优化了带孔的圆形截面。2：几何体由排列在环上的小圆定义，定义数量未指定且可扩展（我将在GA中运行GA，不想编写多个约束文件）3：如下图所示，
nonlinbound.m
的严格目标是防止几何元素的干涉和相交。4：传递给
nonlinbound.m
的单个变量使用外部.m文件进行解析，以获得变量
函数[c，ceq]=nonlinbound（x）[L，ro，m，rc，rf，n，j]=math2code（x）；S1=0；S2=0；S3=rf*0.10；%BC的c（1）=[-L/ro+10]；对于i=1:mc（[2:4]+（i-1）*3）=[S1+rf（i）-rc（i）]；[S2-ro+rc（i）+rf（i）]；[S3（i）+2*rf（i）-rc（i）*sqrt（2-2*cos（2*pi/n（i））]；]；结束%BC：固定环间重叠i=1；q=[]；对于j=1：（m-1）对于k=（j+1）：mq（i，1）=i；q（i，2）=j；q（i，3）=k；i=i+1；如果i=q（：，1）%m~=1的实际约束条件c（大小（c，2）+1）=-[abs（rc（q（i，2））-rc（q（i，3））-（rf（q（i，2））+rf（q（i，3））]），则结束-end-end-if~isempty（q）%True；end end ceq=[]end