MATLAB中非负最小二乘的简史

发布的罗兰美国舒尔，二六年十二月十二日

22次观看(过去30天)|0喜欢|12个评论

我在MathWorks的第一年(1987年!)，我认识的一位教授联系上了我。他试图用非负约束解最小二乘问题。由于我的成长环境很好，我马上就知道从哪里可以得到一个好的算法

书中提供了Fortran代码，与我交谈的教授做了相当忠实的翻译，尽管MATLAB还没有转到声明。问题是，它不能正常工作。他让我看一看。我记得当时很兴奋，因为我爱nnlsL-H称之为算法。然而，翻阅别人翻译的Fortran语言很快就失去了它的活力。

让我给你一些关于Fortran代码本身的统计数据。

拖延有时是有好处的。我没有通读m文件代码，而是逐行与Fortran进行比较，而是打开了算法的参考。以下是我的发现。

你看到我看到的了吗?我看到这个问题是用矩阵和向量来讨论的。嗯，也许我可以直接从算法描述实现它，绕过Fortran实现。我就这么做了。

MATLAB自带的函数nnls该公司最终更名为lsqnonneg并更新了一些代码，使其与我们的其他优化例程标准化。我在不到半天的时间里就写好了代码并运行起来，包括正确地处理教授发给我的例子，而这些例子在他翻译的代码中是不能正常工作的。

m文件的代码统计信息如下所示。

我从这次经历中重新认识到，在深入研究之前，值得回过头来思考一下代码和算法。我想在我的编程生涯中，我不得不多次学习这一点!虽然Fortran和m文件的两个版本都基于相同的算法，但我能够绕过编写的代码，并使用引用的矩阵符号编写一个版本。
MATLAB代码更短，尽管我相信有人会说它不是那么多短。
当我写这个算法的时候，我真的陷进去了，因为我没有陷入循环，而是看着变量在活动集中进进出出。非常有趣的是，看到算法从一个不那么基本的层面工作，但仍然捕获所有细节。

介意分享一下你的经验吗?在思考一个算法时，不同于它被提出的方式，可以帮助你解决问题?加入你的想法在这里．

使用MATLAB®7.3发布

罗兰谈MATLAB的艺术
将想法转化为MATLAB