的fminunc
和fmincon
求解器返回一个近似的Hessian作为可选输出。
[x, fval exitflag、输出校友,黑森]= fminunc(有趣,x0)%或[x, fval exitflag、输出λ,校友,黑森]= fmincon (Aeq有趣,x0, A, b,说真的,磅,乌兰巴托,nonlcon)
介绍返回的Hessian的含义,以及预期的准确性。
还可以指定求解器用作输入Hessian参数的Hessian类型。为fminunc
,请参阅包括梯度和Hessians.为fmincon
,请参阅Hessian作为输入.
fminunc
黑森无约束问题的Hessian矩阵是目标函数的二阶导数矩阵f:
拟牛顿算法- - - - - -fminunc
返回解处的估计Hessian矩阵。fminunc
通过有限差分计算估计,因此估计一般是准确的。
信赖域算法- - - - - -fminunc
在倒数第二次迭代时返回一个Hessian矩阵。
如果你在目标函数中提供一个Hessian,并设置HessianFcn
选项“目标”
,fminunc
返回这个黑森。
如果你提供HessianMultiplyFcn
函数,fminunc
返回Hinfo
矩阵的HessianMultiplyFcn
函数。有关更多信息,请参见HessianMultiplyFcn
在信赖域
部分的fminunc
选项
表格
否则,fminunc
返回渐变上的稀疏有限差分算法的近似值。
这个Hessian对于倒数第二次迭代是准确的。然而,倒数第二个迭代可能不会接近最后一个点。
的信赖域
算法在倒数第二次迭代时返回Hessian以提高效率。fminunc
在内部使用Hessian计算下一步。当fminunc
达到停止条件时,它不需要计算下一步,因此,不计算Hessian。
fmincon
黑森约束问题的Hessian是拉格朗日的Hessian。对于一个目标函数f,非线性不等式约束向量c,非线性等式约束向量量表信,拉格朗日是
的λ我拉格朗日乘数法;看到一阶最优性测量和拉格朗日乘子的结构.拉格朗日的Hessian是
fmincon
有几个算法,有几个Hessians选项,如fmincon信任区域反射算法,fmincon活动集算法,fmincon内点算法.
有效集
,sqp
,或sqp-legacy
算法- - - - - -fmincon
返回它在倒数第二次迭代时计算的Hessian近似值。fmincon
在Hessian矩阵的迭代过程中,计算其解处的拟牛顿近似。在一般情况下,这种近似并不是在每个分量上都与真Hessian相匹配,而只是在某些子空间上。于是,黑森人回来了fmincon
可以是不准确的。有关的详细资料有效集
计算,认为SQP实现.
trust-region-reflective
算法- - - - - -fmincon
返回它在倒数第二次迭代时计算的Hessian。
如果你在目标函数中提供一个Hessian,并设置HessianFcn
选项“目标”
,fmincon
返回这个黑森。
如果你提供HessianMultiplyFcn
函数,fmincon
返回Hinfo
矩阵的HessianMultiplyFcn
函数。有关更多信息,请参见Trust-Region-Reflective算法在fmincon
选项
.
否则,fmincon
返回渐变上的稀疏有限差分算法的近似值。
这个Hessian对于倒数第二次迭代是准确的。然而,倒数第二个迭代可能不会接近最后一个点。
的trust-region-reflective
算法在倒数第二次迭代时返回Hessian以提高效率。fmincon
在内部使用Hessian计算下一步。当fmincon
达到停止条件时,它不需要计算下一步,因此,不计算Hessian。
内点
算法
如果HessianApproximation
选择是“lbfgs”
或有限差分的
,或者如果你提供HessianMultiplyFcn
函数,fmincon
返回[]
海赛。
如果HessianApproximation
选择是“蓄热”
(默认),fmincon
返回在最后一点的Hessian近似的准牛顿近似。这个黑森可能是不准确的,就像有效集
或sqp
算法的麻绳。
如果HessianFcn
Option是一个函数句柄,fmincon
在最后一点返回这个函数作为Hessian。