当求解器失败时
太多的迭代或函数计算
解算器已停止，因为在将目标最小化到请求的公差之前，它已达到迭代次数或函数求值的限制。若要继续，请尝试以下一个或多个操作。
| 1.使迭代显示 |
| 2.放宽公差 |
| 3.从不同的点开始求解 |
| 4.检查目标和约束函数定义 |
| 5.集中和调整你的问题 |
| 6.提供梯度或雅可比矩阵 |
| 7.提供粗麻布 |
1.使迭代显示
设置展示选项“国际热核实验堆”。此设置显示解算器迭代的结果。
在MATLAB中实现迭代显示®命令行，输入
选项=最佳选项（'solvername","显示","iter",；
使用选项结构。
有关迭代显示的示例，请参见解释结果．
在迭代展示中应该寻找什么
看看目标函数(
Fval或f（x）或重新规范)减少。减少显示进展。检查约束违背(
马克斯约束)以确保它向0.减少表示进步。看看一阶最优性是否向
0.减少表示进步。看看
信赖域半径减小到一个小值。这一数字的下降表明目标可能不会一帆风顺。
怎么办
如果解算器似乎正在进行：
设置
最大迭代次数和/或最大函数求值更改为大于默认值的值。您可以在求解器函数参考页的Options表中看到默认值。从最后一个计算点开始求解。
如果求解器没有进展，请尝试其他列出的建议。
2.放宽公差
如果阶跃公差或最佳耐受性，例如，太小，求解器可能无法识别何时已达到最小值;它可以无休止地进行无意义的迭代。
要在命令行更改容忍度，请使用最佳选择中描述的设置和更改选项．
这个FiniteDifferenceStepSize选择权（或DiffMaxChange和DiffMinChange选项)可以影响求解器的进程。这些选项控制微分估计的有限差分步长。
3.从不同的点开始求解
看见改变起始点．
4.检查目标和约束函数定义
例如，检查目标约束函数和非线性约束函数在某些点返回的值是否正确。请参阅检查目标和约束函数．检查不可行点不会在函数中引起错误;看到迭代会违反约束．
5.集中和调整你的问题
当每个坐标对目标函数和约束函数的影响大致相同时，求解器运行更可靠。将坐标方向与适当的标量相乘以使每个坐标的效果相等。将适当的值添加到特定的坐标以使其大小相等。
例如:定心和缩放。考虑最小化1e6*x（1）^2+1e-6*x（2）^2:
f=@（x）10^6*x（1）^2+10^-6*x（2）^2；
减少F使用fminunc“拟牛顿”算法:
opts=optimoptions（'fminunc'，'Display'，'none'，'Algorithm'，'quasi-newton'）；x=fminunc（f[0.5；0.5]，opts）x=0.5000
结果不正确；不良的缩放影响了获得良好的解决方案。
调整问题的规模。设置
D=diag（[1e-3,1e3]）；fr=@（y）f（D*y）；y=fminunc（fr[0.5；0.5]，opts）y=0%正确答案
同样，对中不当也会影响解决方案。
fc = @ (z) fr ([z z (1) 1 e6; (2) + 1 e6));%差定心z = fminunc(fc，[。5 . z = 1.0e+005 * 10.0000 -10.0000 %看起来不错，但是…% checking Z is how close to 1e6 ans = -0.0071 0.0078%揭示距离FCC = @(w)fc([w(1)+1e6;w(2)-1e6]);% center w = fminunc(fcc，[.])5 .5]，选项w = 0 %正确答案
6.提供梯度或雅可比矩阵
如果不提供梯度或雅可比矩阵，求解器将通过有限差分估计梯度和雅可比矩阵。因此，提供这些导数可以节省计算时间，并可以提高精度。基于问题的方法可以自动提供梯度;看到优化工具箱中的自动微分．
对于有约束的问题，提供梯度还有另一个好处。一个解算器可以到达一个点x以致x是可行的，但周围的差异是有限的x总是导致一个不可行的点。在这种情况下，求解器可能会失败或提前停止。提供梯度允许求解器继续进行。
在目标函数和非线性约束函数的文件中提供梯度或雅可比矩阵。有关语法的详细信息，请参见标量目标函数的编写,写向量和矩阵目标函数,非线性约束．
为了检验梯度函数或雅可比函数是否正确，请使用检查梯度选项，如中所述检查梯度或雅可比矩阵的有效性．
如果您有Symbolic Math Toolbox™许可证，您可以通过编程方式计算梯度和Hessians。例如，请参见使用符号数学工具箱计算渐变和黑森值™．
关于使用梯度和雅可比矩阵的例子，请参见梯度和Hessian最小化,带有梯度的非线性约束,使用符号数学工具箱计算渐变和黑森值™,求解不含和含雅可比矩阵的非线性系统,具有雅可比矩阵的大型稀疏非线性方程组。有关基于问题的方法中的自动区分，请参阅自动微分在基于问题优化中的作用．
7.提供粗麻布
当你提供Hessian时，求解器通常运行更可靠，迭代次数更少。
以下求解器和算法接受Hessians:
铁铬镍铁合金内点．将Hessian写成一个单独的函数。例如，请参见基于解析Hessian的fmincon内点算法．铁铬镍铁合金trust-region-reflective．给出Hessian作为目标函数的第三个输出。例如，请参见稠密结构Hessian线性等式的极小化．fminunc信赖域．给出Hessian作为目标函数的第三个输出。例如，请参见梯度和Hessian最小化．
如果您拥有符号数学工具箱许可证，则可以通过编程方式计算渐变和黑森值。例如，请参阅使用符号数学工具箱计算渐变和黑森值™．要在基于问题的方法中提供一个Hessian，请参见基于问题的工作流中的供应衍生品．
收敛到不可行点
通常，之所以会得到此结果，是因为解算器无法找到满足所有约束的点约束耐受性宽容。然而，求解器可能已经定位或开始于一个可行点，并收敛到一个不可行点。如果求解器失去了可行性，请参见解算器失去可行性.如果quadprog返回此结果，参见收敛于不可行点
若要在解算器没有找到可行点时继续，请尝试下列一个或多个方法。
| 1.检查线性约束 |
| 2.检查非线性约束 |
1.检查线性约束
试着通过求解线性规划问题找到一个满足边界和线性约束的点。
定义一个目标函数始终为零的线性规划问题:
f = 0(大小(x0));%假设x0是起始点
解线性规划问题，看看是否存在可行点：
xnew = linprog (f, A、b Aeq,说真的,磅,乌兰巴托);
如果有一个可行的点
xnew,使用xnew作为初始点，重新运行原始问题。如果没有可行点，则说明问题没有得到很好的解决。请检查边界和线性约束的定义。有关检查线性约束的详细信息，请参阅研究线性不可行性．
2.检查非线性约束
在确保你的边界和线性约束是可行的(包含一个满足所有约束的点)之后，检查你的非线性约束。
将你的目标函数设为零:
@ (x) 0
在所有约束条件和零目标的情况下运行优化。如果你找到一个可行点
xnew设置x0 = xnew然后重新运行原来的问题。如果你不能用零目标函数找到可行点，那就用带有几个初始点的零目标函数。
如果你找到一个可行点
xnew设置x0 = xnew然后重新运行原来的问题。如果你找不到一个可行的点，试着放松约束，下面讨论。
尝试放松你的非线性不等式约束，然后收紧它们。
改变非线性约束函数
C归来c-Δ，其中Δ为正数。此更改使非线性约束更容易满足。为新约束函数寻找一个可行点，使用原始目标函数或零目标函数。
如果你找到一个可行点，
减少Δ
为新的约束函数寻找一个可行点，从先前找到的点开始。
如果找不到可行点，尝试增加Δ并再次查看。
如果您没有找到可行点，您的问题可能确实不可行，这意味着不存在解决方案。请再次检查所有约束定义。
解算器失去可行性
如果求解器从一个可行点开始，但收敛到一个不可行点，请尝试以下技术。
尝试一种不同的算法。这个
铁铬镍铁合金“sqp”和“内点”算法通常是最健壮的，所以先尝试一种或两种算法。收紧界限，给最高的分数
磅最低的乌兰巴托向量。这可以帮助求解器保持可行性。这个铁铬镍铁合金“sqp”和“内点”算法在每次迭代时都服从边界，因此严格的边界有助于整个优化过程。
quadprog收敛到不可行点
通常，由于线性约束不一致或近乎奇异，您会收到此消息。若要检查是否存在可行点，请创建具有相同约束且目标函数向量为零的线性规划问题F．解决使用linprog对偶单纯形的算法:
选择= optimoptions (“linprog”,“算法”,对偶单纯形的）;x = linprog (f, A、b Aeq,说真的,磅,乌兰巴托,选项)
如果linprog没有发现可行点，那么你的问题是真正不可行的。
如果linprog找到一个可行点，然后尝试另一个quadprog算法。或者，改变一些公差，如阶跃公差或约束耐受性再解决一次问题。
无界问题
解算器到达目标函数小于目标极限公差的点。
解不出方程
fsolve由于各种原因，可能无法求解方程式。以下是一些如何继续的建议：
试一试改变初始点．
fsolve依赖于一个初始点。通过给它不同的初始点，你增加了成功的机会。检查方程式的定义，确保其平滑。
fsolve对于具有不连续梯度(如绝对值)的方程可能无法收敛。fsolve对于具有不连续性的函数，可能无法收敛。检查方程是否为“正方形”，这意味着输入和输出的维数相同(未知数的数量与方程的值相同)。
改变公差,特别是
最佳耐受性和阶跃公差. 如果试图通过将公差设置为非常小的值来获得高精度，fsolve不能收敛。如果你设置的公差太高，fsolve可能无法准确地解出方程式。检查问题定义。有些问题没有真正的解决方案，例如
X ^2 + 1 = 0．
相关的话题
你也可以从以下列表中选择一个网站:
