全局优化工具箱求解特点

解决者选择

本节介绍全局优化工具箱求解器特性。该部分包括更有效地获得结果的建议。

为了实现更好更快的解决方案，第一次尝试调谐金宝搏官方网站推荐的求解器通过设置适当的选项或界限。如果结果不令人满意，请尝试其他求解器。

期望的解决方案	平滑目标和约束	非光滑目标或约束
“希望的解决方案”的说明	选择求解器之间的顺利问题	选择求解器之间的索音问题
单个本地解决方案	优化工具箱™功能;看优化决策表	`FMINBND.`那`Patternsearch.`那`fminsearch.`那`GA.`那`partminleswarm.`那`Simulannealbnd.`那`surrogateopt`
多个本地解决方案金宝搏官方网站	`Globalsearch.`那`多层的`	`Patternsearch.`那`GA.`那`partminleswarm.`那`Simulannealbnd.`或者`surrogateopt`从多个初始点开始`X0.`或来自多个初始群体
单一的全球解决方案	`Globalsearch.`那`多层的`那`Patternsearch.`那`partminleswarm.`那`GA.`那`Simulannealbnd.`那`surrogateopt`	`Patternsearch.`那`GA.`那`partminleswarm.`那`Simulannealbnd.`那`surrogateopt`
单个本地解决方案使用并行处理	`多层的`，优化工具箱功能	`Patternsearch.`那`GA.`那`partminleswarm.`那`surrogateopt`
采用并行处理多个本地解决方案金宝搏官方网站	`多层的`	`Patternsearch.`那`GA.`或者`partminleswarm.`从多个初始点开始`X0.`或来自多个初始群体
单个全局解决方案使用并行处理	`多层的`	`Patternsearch.`那`GA.`那`partminleswarm.`那`surrogateopt`

“希望的解决方案”的说明

为了理解条款的含义，“期望解，”考虑的例子

F.（X.）= 100.X.²（1-X.）²-X.那

哪个有当地最小值X1接近0，X2近1：

生成图的代码

最小值分别位于：

有趣= @（X）（100 * X ^ 2 *（X  -  1）^ 2  -  X）;X1 = fminbnd（乐趣，-0.1,0.1）X1 = 0.0051×2 = fminbnd（乐趣，0.9,1.1）X 2 = 1.0049

本条款的说明

术语	意思
单个本地解决方案	找到一个本地解决方案，一个点X.目标函数的地方F.（X.）是一个地方最低限度。有关更多详细信息，请参阅本地与全局最优解。在该例子中，两个`X1`和`X2`是本地解决方案。金宝搏官方网站
多个本地解决方案金宝搏官方网站	找到一套本地的解决方案。金宝搏官方网站在这个例子中，成套就地解决的是金宝搏官方网站`{x1，x2}`。
单一的全球解决方案	找到点X.目标函数的地方F.（X.）是全球最低。在这个例子中，全球解决方案`X2`。

单一全球解决方案

尝试Globalsearch.首先。它最专注于寻找全球解决方案，并具有高效的本地求解器，粉刺。
尝试多层的接下来。它具有高效的本地求解器，可以搜索各种各样的起点。
尝试Patternsearch.接下来。这是低效率的，因为它不使用梯度。但是，Patternsearch.是强大和更有效比其余地方求解要搜索一个全球解决方案，开始Patternsearch.从各种起点。
尝试surrogateopt接下来。surrogateopt尝试使用最少的客观函数评估找到全局解决方案。surrogateopt有每个功能的评价比其他大多数求解更多的开销。surrogateopt需要有限界，并接受整数约束，线性约束和非线性不等式约束。
尝试partminleswarm.接下来，如果你的问题是不受约束或只约束限制。通常，partminleswarm.大于剩余求解器更高效，并且可以比更有效Patternsearch.。
尝试GA.接下来。它可以处理所有类型的约束，而且通常比更有效Simulannealbnd.。
尝试Simulannealbnd.最后。它可以处理没有约束或绑定约束的问题。Simulannealbnd.通常是最低效率的求解器。但是，给定足够缓慢的冷却时间表，它可以找到全球解决方案。

多个本地解决方案金宝搏官方网站

Globalsearch.和多层的两者都提供多个本地解决方案。金宝搏官方网站对于获取多个解决方案的语法，请参阅金宝搏官方网站多种解决方案金宝搏官方网站。Globalsearch.和多层的不同的特点：

多层的可以找到更多的本地最小值。这是因为Globalsearch.拒绝许多生成开始点（局部解的初始点）。基本上，Globalsearch.接受只有当它判断出点有获得全球最小的一个很好的机会，一个起点。相比之下，多层的将所有生成的起始点传递给本地求解器。有关更多信息，请参阅GlobalSearch算法。
多层的提供当地求解器的选择：粉刺那Fminunc.那lsqcurvefit.或者lsqnonlin.。当Globalsearch.求解主理只使用粉刺作为当地的解决者。
Globalsearch.使用分散搜索算法生成起始点。相比之下，多层的随机均匀产生点范围内，或允许您提供自己的点。
多层的可以并行运行。看如何使用全局优化工具箱并行处理。

选择求解器之间的索音问题

选择具有最低数量的适用求解器。对于整数约束的问题，使用GA.。

使用FMINBND.第一只在一维有限的问题。FMINBND.可否在一个维度中迅速收敛。
使用Patternsearch.在任何其他类型的问题上。Patternsearch.可证明收敛，并处理所有类型的约束。
尝试surrogateopt对于具有耗时的客观功能的问题。surrogateopt搜索全局解决方案。surrogateopt需要有限界，并接受整数约束，线性约束和非线性不等式约束。
尝试fminsearch.接下来是低维无限性问题。fminsearch.不是一般的Patternsearch.并且可能无法收敛。对于低维问题，fminsearch.使用简单，因为它有一些微调选项。
尝试partminleswarm.接下来在无限的或束缚受限制的问题上。partminleswarm.几乎没有支持的理论，但金宝app往往是一个高效的算法。
尝试GA.接下来。GA.几乎没有支持的理论和经金宝app常是小于效率Patternsearch.或者partminleswarm.。GA.处理所有类型的约束。GA.和surrogateopt是唯一的全局优化工具箱接受整数约束的求解器。
尝试Simulannealbnd.最后用于无限性问题，或有界限的问题。Simulannealbnd.仅用于对数冷却时间表的总收敛，这极为慢。Simulannealbnd.只需要约束约束，通常比效率低于GA.。

求解特点

求解器	收敛	特点
`Globalsearch.`	快速融合到局部最佳变化	确定性迭代
		梯度为基础
		自动随机起点
		删除许多开始点的启发性
`多层的`	快速融合到局部最佳变化	确定性迭代
		可以并行运行;看如何使用全局优化工具箱并行处理
		梯度为基础
		随机或确定性起点，或两者的组合
		自动随机起点
		运行所有的起点
		当地求解器的选择：`粉刺`那`Fminunc.`那`lsqcurvefit.`或者`lsqnonlin.`
`Patternsearch.`	经过善于融合到当地最佳;比基于梯度的溶剂慢	确定性迭代
		可以并行运行;看如何使用全局优化工具箱并行处理
		没有渐变
		用户提供的开始点
`surrogateopt`	证明融合对有界问题的全球最佳;比基于梯度的溶剂慢;通常通过达到函数评估限制或其他限制来停止	随机迭代
		可以并行运行;看如何使用全局优化工具箱并行处理
		最适合耗时的客观函数
		需要结合的约束，接受线性约束和非线性不等式约束
		允许整数约束;看混合整数代理优化
		没有渐变
		自动起点或用户提供的点，或两者的组合
`partminleswarm.`	没有收敛证明	随机迭代
		可以并行运行;看如何使用全局优化工具箱并行处理
		人口为基础
		没有渐变
		自动启动人口或用户提供的人口，或两者的组合
		只有约束约束
`GA.`	没有收敛证明	随机迭代
		可以并行运行;看如何使用全局优化工具箱并行处理
		人口为基础
		没有渐变
		允许整数约束;看混合整数GA优化
		自动启动人口或用户提供的人口，或两者的组合
`Simulannealbnd.`	成熟的收敛到全局最优的边界问题非常缓慢冷却时间表	随机迭代
		没有渐变
		用户提供的开始点
		只有约束约束

解释一些特征：

收敛 - 当距离局部最小值远远时，求解器可能无法收敛到任何解决方案。当近在本地最小值附近时，基于梯度的求解器会迅速收敛到局部最小值以进行平滑问题。Patternsearch.可否在广泛的问题中收敛，但收敛性比基于梯度的溶剂更慢。两者GA.和Simulannealbnd.尽管它们往往有效，但可以在合理的时间内收敛合理的时间。
迭代 - 迭代求解器找到解决办法。金宝搏官方网站在迭代的步骤是迭代。一些解算器具有确定性的迭代。其他使用随机数，并有随机迭代。
梯度 - 一些求解器在计算迭代时使用估计或用户提供的衍生物。其他求解器不使用或估算衍生物，但仅使用客观和约束函数值。
起点 - 大多数求解器都要求您提供优化的起点，以便获得决策变量的维度。GA.和surrogateopt不需要任何的起点，因为他们采取的决策变量的尺寸从边界输入或推断尺寸。这些求解器自动生成一个起点或群体，或他们接受一个或多个点，你提供。

比较的特性全局优化工具箱求解优化工具箱溶剂。

求解器	收敛	特点
`粉刺`那`Fminunc.`那`fseminf.`那`lsqcurvefit.`那`lsqnonlin.`	成熟的二次收敛到局部最优的平滑问题	确定性迭代
		梯度为基础
		用户提供的出发点
`fminsearch.`	没有收敛性证明 - 反例存在。	确定性迭代
		没有渐变
		用户提供的开始点
		没有限制
`FMINBND.`	经验证收敛到局部最优平滑的问题，不是二次慢。	确定性迭代
		没有渐变
		用户提供的起始间隔
		只有一维问题