基于MATLAB的人工反馈黑箱优化脚本可行性问询

完全可以实现这类交互式黑箱优化需求，推荐采用Nelder-Mead单纯形算法（无需目标函数导数，适配黑箱场景），以下是具体实现思路和代码示例：

核心逻辑说明 #

整个流程围绕"算法生成参数→人工获取结果→算法迭代优化"的循环展开，重点解决文件读写的追加逻辑、人工结果的交互输入，以及变量的整数约束与边界限制。

MATLAB脚本实现 #

%% 初始化设置
var_num = 3; % 变量个数
var_min = 0; % 变量下限
var_max = 100; % 变量上限
target_threshold = 98; % 终止阈值

% 1. 获取操作员初始变量并写入file1.csv
initial_vars = input('请输入3个初始变量（空格分隔，0-100正整数）：', 's');
initial_vars = str2num(initial_vars);
initial_vars = max(min(initial_vars, var_max), var_min); % 边界限制
initial_vars = round(initial_vars); % 确保整数
writematrix(initial_vars, 'file1.csv', 'WriteMode', 'overwrite'); % 初始写入覆盖文件

% 2. 获取初始结果并写入file2.csv
initial_result = input('请输入初始变量对应的结果（0-100整数）：');
initial_result = max(min(initial_result, 100), 0); % 边界限制
writematrix(initial_result, 'file2.csv', 'WriteMode', 'overwrite');

% 初始化优化器（Nelder-Mead算法，适配无导数黑箱）
options = optimoptions(@fminsearch, 'Display', 'iter', 'MaxIter', 100);
current_vars = initial_vars;
current_result = initial_result;

%% 迭代优化循环
while current_result < target_threshold
    % 定义交互式目标函数（每次调用时读取人工输入的结果）
    function f = interactive_obj_fun(x)
        % 生成的新参数处理：限界+取整
        x = max(min(x, var_max), var_min);
        x = round(x);
        % 追加写入file1.csv
        writematrix(x, 'file1.csv', 'WriteMode', 'append');
        % 提示操作员输入结果
        f = -input('请输入当前参数对应的结果（0-100整数）：'); % 取负因为fminsearch是最小化，我们要最大化结果
        % 追加写入file2.csv
        writematrix(-f, 'file2.csv', 'WriteMode', 'append');
        assignin('base', 'current_result', -f); % 更新基础工作区的当前结果
    end

    % 3. 优化算法生成新参数
    current_vars = fminsearch(@interactive_obj_fun, current_vars, options);
    % 处理生成的参数为整数并限界
    current_vars = max(min(current_vars, var_max), var_min);
    current_vars = round(current_vars);
end

disp('优化完成！当前结果已达到98及以上。');

关键注意事项 #

• 算法选择：避免用梯度下降类算法（需要导数信息，黑箱场景无法获取），Nelder-Mead、遗传算法（ga函数）都是更合适的选择，上述示例用fminsearch实现Nelder-Mead，若需要更灵活的整数约束，可改用遗传算法。
• 变量约束处理：每次生成新参数后必须做边界限制和取整操作，确保符合"0-100正整数"的要求。
• 文件读写模式：初始写入用overwrite清空文件，后续追加用append避免覆盖历史数据。
• 目标函数适配：fminsearch是最小化算法，因此将目标结果取负，把"最大化结果到100"转化为"最小化负结果"。

内容的提问来源于stack exchange，提问作者nitramine_x2