主要内容

findopOptions

选项集findop

折叠所有页面

语法

opt = findopOptions(模型)
opt = findopOptions(型号，名称，值)

描述

例子

opt = findopOptions(模型）创建用于计算指定的非线性ARX或Hammerstein-Wiener模型的工作点的默认选项集。使用点表示法可针对特定应用程序修改此选项集。不修改的选项保留默认值。

例子

选择= findopOptions (模型，名称,值）用一个或多个指定的选项创建一个选项集名称,值对参数。

例子

全部折叠

打开实时脚本

为创建默认选项集findop使用一个idnlarx模型

opt = findopOptions(idnlarx);
打开实时脚本

为创建默认选项集findop使用一个idnlhw模型。

opt = findopOptions(idnlhw);

使用点表示法指定子空间的高斯-牛顿最小二乘搜索最多25次迭代。

opt.SearchMethod =“gn”；opt.SearchOptions.MaxIterations = 25;
打开实时脚本

为创建一个选项集findop使用一个idnlarx模型。使用默认搜索选项指定最陡下降最小二乘搜索。

find options (idnlarx，“SearchMethod”，“研究生”）;

输入参数

全部折叠

估计的非线性模型，指定为以下之一:

  • idnlarx模型

  • idnlhw模型

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:“SearchMethod”、“研究生”指定最速下降最小二乘搜索方法

数值搜索方法用于迭代参数估计，指定为下表中的值之一。

SearchMethod 描述
“汽车”

自动方法选择

直线搜索算法的组合，“gn”，“lm”，“玲娜”,“研究生”，在每次迭代中依次尝试。使用导致估计成本降低的第一个下降方向。
“gn”

子空间高斯-牛顿最小二乘搜索

雅可比矩阵的奇异值小于GnPinvConstant * eps *马克斯(大小(J)) *规范(J)在计算搜索方向时被丢弃。J是雅可比矩阵。黑森矩阵近似为JTJ．如果这个方向没有改善，函数会尝试梯度方向。
“玲娜”

自适应子空间高斯-牛顿搜索

特征值小于γ*马克斯(sv)黑森人都被忽略了sv包含黑森的奇异值。高斯-牛顿方向在剩余子空间中计算。γ具有初始值InitialGnaTolerance(见先进的在“SearchOptions”以获取更多信息)。此值将按因子增加LMStep每次搜索都不能在少于五次的等分中找到较低的标准值。此值将按因子减小2 * LMStep每次搜索都是成功的，没有任何二分。
“lm”

Levenberg-Marquardt最小二乘搜索

每个参数值为-pinv (H + d *我)*毕业生从前面的值。H是黑森人我单位矩阵，和研究生是梯度。d是一个不断增加的数字，直到找到较低的标准值为止。
“研究生”

最速下降最小二乘搜索
“lsqnonlin”

的信任区域反射算法lsqnonlin(优化工具箱)

该算法需要最优化工具箱软件。
“fmincon”

约束非线性求解器

的顺序二次规划(SQP)和信任区域反射算法fmincon(优化工具箱)解算器。的“优化工具箱”软件，还可以使用内部点算法和活动集算法fmincon解算器。中指定算法SearchOptions。算法选择。的fmincon在以下情况下，算法可能会改善估计结果:

  • 当模型参数有边界时的约束最小化问题。

  • 损失函数是参数的非线性或非光滑函数的模型结构。

  • 多输出模型估计。行列式损失函数对于多输出模型估计，默认情况下最小化。fmincon算法能够直接最小化这种损失函数。其他搜索方法如“lm”而且“gn”通过交替估计噪声方差和降低给定噪声方差值的损失值来最小化行列式损失函数。因此,fmincon算法可以为多输出模型估计提供更好的效率和准确性。

搜索算法的选项集，指定为逗号分隔的对，由“SearchOptions”和一个搜索选项集，其中的字段取决于的值SearchMethod．

SearchOptions结构时SearchMethod被指定为“gn”，“玲娜”，“lm”，“研究生”,或“汽车”

字段名 描述 默认的
宽容

损失函数的当前值与下一次迭代后的预期改进之间的最小百分比差异，指定为正标量。当预期改善的百分比小于宽容，迭代停止。在下一次迭代中对期望损失函数改进的估计是基于为当前参数值计算的高斯牛顿向量。

 0.01
MaxIterations

损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时MaxIterations达到或满足另一个停止标准，例如宽容．

设置MaxIterations = 0返回启动过程的结果。

使用sys.Report.Termination.Iterations要获得估算期间的实际迭代次数，其中sys是一个idtf模型。

 20.
先进的

高级搜索设置，指定为具有以下字段的结构。

字段名 描述 默认的
GnPinvConstant

雅可比矩阵奇异值阈值，指定为正标量。雅可比矩阵的奇异值小于GnPinvConstant *马克斯(大小(J) *规范(J) * eps)在计算搜索方向时被丢弃。适用时SearchMethod是“gn”．

 10000
InitialGnaTolerance

初始值γ，指定为正标量。适用时SearchMethod是“玲娜”．

 0.0001
LMStartValue

搜索方向长度的起始值d在Levenberg-Marquardt方法中，指定为正标量。适用时SearchMethod是“lm”．

 0.001
LMStep

Levenberg-Marquardt步长的大小，指定为正整数。搜索方向长度的下一个值d在Levenberg-Marquardt方法中是LMStep乘以前一个。适用时SearchMethod是“lm”．

 2
MaxBisections

沿搜索方向进行直线搜索时使用的最大等分数，指定为正整数。

 25
MaxFunctionEvaluations

对模型文件的最大调用次数，指定为正整数。如果对模型文件的调用数量超过这个值，迭代就会停止。

 正
MinParameterChange

每次迭代允许的最小参数更新，指定为非负标量。

 0
RelativeImprovement

相对改善阈值，指定为非负标量。如果准则函数的相对改进小于这个值，迭代就会停止。

 0
StepReduction

步长缩减因子，指定为大于1的正标量。建议的参数更新因因子而减少StepReduction每次尝试之后。这种减少持续到MaxBisections完成尝试或获得准则函数的较低值。

StepReduction不适用于SearchMethod的“lm”(Levenberg-Marquardt方法)。

 2

SearchOptions结构时SearchMethod被指定为“lsqnonlin”

字段名 描述 默认的
FunctionTolerance

软件最小化的损失函数上的终止容差，以确定估计的参数值，指定为正标量。

的价值FunctionTolerance和的一样吗opt.SearchOptions.Advanced.TolFun．

 1 e-5
StepTolerance

估计参数值上的终止公差，指定为正标量。

的价值StepTolerance和的一样吗opt.SearchOptions.Advanced.TolX．

 1 e-6
MaxIterations

损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时MaxIterations达到或满足另一个停止标准，例如FunctionTolerance．

的价值MaxIterations和的一样吗opt.SearchOptions.Advanced.MaxIter．

 20.

SearchOptions结构时SearchMethod被指定为“fmincon”

字段名 描述 默认的
算法

fmincon优化算法，指定为下列之一:

  • “sqp”-顺序二次规划算法。该算法在所有迭代中都满足边界，并且可以从南或正结果。它不是一个大规模的算法。有关更多信息，请参见大规模和中等规模算法(优化工具箱)．

  • “trust-region-reflective”——基于内反射牛顿法的子空间信赖域方法。这是一个大规模的算法。

  • “内点”-需要优化工具箱软件的大规模算法。该算法在所有迭代中都满足边界，并且可以从南或正结果。

  • “激活集”-需要优化工具箱软件。该算法可以执行大步骤，从而提高速度。它不是一个大规模的算法。

有关算法的详细信息，请参见约束非线性优化算法(优化工具箱)而且算法选择(优化工具箱)．

 “sqp”
FunctionTolerance

软件最小化的损失函数上的终止容差，以确定估计的参数值，指定为正标量。

 1 e-6
StepTolerance

估计参数值上的终止公差，指定为正标量。

 1 e-6
MaxIterations

损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时MaxIterations达到或满足另一个停止标准，例如FunctionTolerance．

 One hundred.

中指定字段值SearchOptions，创建一个默认findopOptions使用点表示法设置和修改字段。您不修改的任何字段将保留其默认值。

opt = findopOptions;opt.SearchOptions.MaxIterations = 15;opt.SearchOptions.Advanced.RelImprovement = 0.5;

输出参数

全部折叠

选项集findop命令返回findopOptions对象。

版本历史

在R2015a中引入

全部展开

另请参阅

|