通常,优化工具箱™求解器迭代以找到最优方案。求解器从一个初始值开始x0,执行一些最终指向新点的中间计算x1,然后重复此过程,求逐次逼近x2,x3., ...局部最小值的。在一些迭代之后,处理停止k.
属性可以限制迭代次数或函数计数MaxIterations
或MaxFunctionEvaluations
选项的求解器使用optimoptions
.或者,如果您想让求解器在达到这些极限之一后继续运行,请提高这些选项的值。看到设置和更改选项.
在任何步骤中,中间计算都可以涉及到评估目标函数和当前迭代点附近的任何约束x我.例如,求解器可以用有限差分估计梯度。在每一个附近的点,函数计数(F-count
)增加1。这个数字典型的三维空间迭代结果表明,在具有正向有限差分大小delta的三维空间中,一次迭代通常对应函数数增加4。图中,e我表示单位向量我坐标方向。
典型的三维空间迭代
如果问题没有约束,则F-count
报告目标函数评估的总数。
如果问题有约束条件,则F-count
仅报告发生函数求值的点的数量,而不是约束函数求值的总数。所以,如果问题有很多约束条件,那么F-count
可以显著少于函数计算的总数。
有时求解器尝试一个步骤并拒绝这个尝试。的信赖域
,trust-region-reflective
,trust-region-dogleg
算法将这些失败的尝试计数为迭代,并在迭代显示中报告(未改变的)结果。的内点
,有效集
,levenberg-marquardt
算法不会将失败的尝试计数为迭代,也不会在迭代显示中报告尝试。所有尝试的步骤都会增加F-count
,不管算法是什么。
F-count
是许多求解器迭代显示中的头文件。例如,请参见解释结果.
的F-count
在输出结构中显示为output.funcCount
,使您能够以编程方式访问计算计数。有关更多信息,请参见输出结构.