问题标签 [fminsearch]

当目标函数超过某个值（最小值或最大值）时如何停止 fminsearch

如果我达到某个目标函数值（例如 1000）[在 9999 次迭代内]，如何停止函数

我试过'TolFun'了，我不确定这是否正确

我有一个有两个输出的函数

我正在最小化成本函数，使用fmincon我可以绘制的选项，beta并cost在每次迭代时保存它们。我怎样才能对相关性做同样的事情（即使它不是优化的一部分，我想跟踪它）

也许是一句经典的话：几天以来我一直试图理解这一点，但没有成功——真的是关于我！让我们从这里开始一个简单的约束优化问题，在预算约束下最大化收入。所以问题是

我们可以在 Matlab 中用fmincon解决它

或者我们可以使用拉格朗日成本函数并将它们重写为无约束优化问题（我在这个阶段是对的吗？）

然后用fminsearch或fminunc求解这个目标函数（甚至用ga尝试过）

给出不同的结果，甚至不接近fmincon的约束解。我试图改变符号，把 lambda = 1....

那么为什么会这样，我错在哪里或者我不明白什么？

提前致谢！

本质上，我有一个模型，它具有给定的一组参数，能够计算不同化合物的不同热力学性质，例如液体密度和蒸气压。

当我想通过拟合不同化合物的数据来回归模型参数（例如a、b、c、d、e）时，我通常会做很多顺序操作，我确信我可以轻松提高它们的效率。我正在考虑多目标优化，甚至更好地使用 GPU 或 CPU 的多核。但是我有点迷失从哪里开始阅读文档。

所以在我的目标函数中，我通常有类似的东西：

然后由 fminsearch 之类的东西进行评估，但我过去也使用过其他人，fminsearch 对我来说效果最好。当我只为一个组件执行此操作时，它的工作速度足以满足我的目的（但我是一个有耐心的人）。但是现在我已经扩展了模型，需要同时从多个组件中回归参数，这变得不可能。

我很确定这种计算方式可以改进，因为我可以同时对不同的化合物进行计算，而不是按顺序进行计算，然后在所有组分的计算完成后评估 fval。但是怎么做？

我在解决一个有 4 个未知数的 4 个方程组时遇到了一些困难。方程是非线性的并且包含二元正态累积分布函数。我尝试了多个数值优化包（fmincon、fminsearch、fsolve、..），但它们都返回 L = 1、sigma_A = 0、alpha1 = 1 和 alpha2=1 的“简单解决方案”。这不是一个现实的解决方案。我希望 L 在 0.1 到 0.95 的范围内，并且 siga_A 不为零。

提前谢谢了

我有以下代码，我希望估计自定义分布的参数。有关分发的更多详细信息。然后使用估计的参数，我想看看估计的 PDF 是否类似于给定数据的分布（它应该与给定数据的分布相匹配）。

[编辑]：“x”现在包含数据样本而不是 PDF

主要代码是：

功能是：

但是，我没有成功获得所需的 PDF。正如您在图中看到的，估计的 PDF（橙色线）不跟踪“x”（蓝色条）的直方图。

[更新] 归一化直方图

请注意，我已经改变了参数的初始值。但这非常耗时。我还增加了迭代次数并最小化了容差，但还没有运气。有没有更好的方法来估计参数mle吗？

任何帮助，将不胜感激。

提前致谢。

我试图找到高斯分布的对数最大似然估计，以估计参数。我知道 Matlab 有一个内置函数，它通过拟合高斯分布来做到这一点，但我需要用 logMLE 来做到这一点，以便以后将此方法扩展到其他分布。所以这里是高斯分布的对数似然函数： Gaussian Log MLE

我使用这段代码用 fminsearch 估计了一组变量 (r) 的参数。但我的搜索没有覆盖，我不完全理解问题出在哪里：

我正在尝试使用 2 个输入来优化功能。尝试使用 fminsearch 但它一直说未定义的函数或变量，尽管它已经定义了。

我已经在一个单独的脚本中定义了该函数，该脚本与我的主脚本位于同一目录中。我有一个包含优化工具箱的课堂许可证，调用该函数时没有拼写错误。

错误是：

未定义的函数或变量“o”。

我有一个包含许多变量的方程。我必须a0通过将输入提供给所有其他变量来找到变量的最小值[a1, a2, a3, a4, a5, a6, x1]。

x1是一个数组，其他变量对于常量 a0 值是常量。（其他 6 个变量随着 值的变化而变化a0，但现在我只是在考虑a0 = 0，因此这六个变量具有下面提到的“出于学习目的”的恒定值。）

我尝试同时为每个变量提供数组值以包含在函数中，但它不起作用，因为fminsearch我想它需要一个标量值。

我假设我会a0在 10^-7 或 10^-6 的范围内得到最小值。不完全确定。我是否将函数的输入作为正确的值？

（免责声明：我也发帖到mathworks上，希望能尽快得到答复。我希望这不会被反对。）

我想从 R^I 中最小化一个表现良好的实值目标函数 $f$。可行点位于一组有限点 x^1 到 x^n 的凸包内。我只对找到 f(y) 最大化的点 y 感兴趣，而不关心允许我将 y 写为 x^i 的凸组合的 N 个权重（在 N 维单纯形中）。

当然，我可以简单地将优化写为：

然而，如果跨越凸包的点几乎是多重共线的，那么这个复合函数（作为 p 的函数）在最优值附近非常平坦。我怀疑这会大大降低 fmincon 的速度，并且会帮助它在 R^I 空间而不是 N 维单纯形上“解决问题”。我可以采取哪些步骤来实现这一目标？