重新开始
恢复贝叶斯优化
描述
恢复已产生的优化newresults
=简历(结果
,名称,值
)结果
带有一个或多个指定的附加选项名称,值
对参数。
例子
恢复贝叶斯优化
这个例子展示了如何恢复贝叶斯优化。优化是针对一个被称为Rosenbrock函数的确定性函数,它是非线性优化的一个著名的测试用例。该函数的全局最小值为0
在这一点上[1]
.
创建两个以…为界的实变量5
而且5
.
x1 = optimizableVariable(x1的, 5, 5]);x2 = optimizableVariable(“x2”, 5, 5]);Vars = [x1,x2];
创建目标函数。
函数F = rosenbroks (x) F = 100*(x。X2 - xx1 ^2)^2 + (1 - xx1)^2;
有趣= @ rosenbroks;
为了重现性,设置随机种子,将采集函数设置为“expected-improvement-plus”
在优化中。
rng默认的结果= bayesopt(fun,vars,“详细”0,...“AcquisitionFunctionName”,“expected-improvement-plus”);
查看找到的最佳点和最佳建模目标。
结果。XAtMinObjective结果。MinEstimatedObjective
Ans = 1x2表x1 x2 ______ ______ 1.7902 3.2287 Ans = -9.1194
最佳点与最优点有些接近,但函数模型不准确。继续优化30个点(总共60个点),这一次告诉优化器目标函数是确定的。
Newresults = resume(结果,“IsObjectiveDeterministic”,真的,“MaxObjectiveEvaluations”, 30);newresults。XAtMinObjective newresults。MinEstimatedObjective
Ans = 1x2表x1 x2 _______ _______ 0.96022 0.92508 Ans = -0.0094
这次的目标函数模型更接近真实的函数。最佳点更接近真正的最优点。
输入参数
结果
- - - - - -贝叶斯优化结果
BayesianOptimization
对象
贝叶斯优化结果,指定为aBayesianOptimization
对象。
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
例子:简历(结果,“MaxObjectiveEvaluations”,60)
可以使用被接受的任何名称-值对bayesopt
除了那些以最初的
.看到bayesopt
输入参数.
请注意
的MaxObjectiveEvaluations
而且MaxTime
名值对的平均值额外的时间或计算,上面的数字存储在结果
.例如,默认的计算次数是30.
除了原来的规格。
此外,还可以使用以下名称-值对。
VariableDescriptions
- - - - - -修改变量
OptimizableVariable
对象
修改变量,指定为OptimizableVariable
对象。
在优化中,只能更改变量的以下属性。
范围
实数或整数变量。例如,xvar = optimizableVariable(“x”, -10, 10);%修改范围:xvar。范围= [1,5];
类型
之间的“整数”
而且“真实”的
.例如,xvar。类型=“整数”;
变换
之间的实数或整数变量“日志”
而且“没有”
.例如,xvar。变换=“日志”;
输出参数
newresults
-优化结果
BayesianOptimization
对象
优化结果,返回为BayesianOptimization
对象。
版本历史
在R2016b中引入
Beispiel offnen
Sie haben eine geänderte版本dieses Beispiels。Möchten Sie dieses Beispiel mit Ihren Änderungen öffnen?
MATLAB-Befehl
你的身体和身体之间的联系MATLAB-Befehl
Führen Sie den Befehl durch Eingabe in das MATLAB-Befehlsfenster aus。web浏览器unterstützen keine MATLAB-Befehle。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。