迭代和函数计算
一般来说,优化工具箱™解决迭代找到一个最佳的。解算器始于一个初始值x0执行一些中间的计算,最终导致一种新的观点x1,然后重复这个过程找到连续近似x2,x3,……局部最小值。处理一些迭代次数后停止k。
你可以限制的迭代的数量或功能通过设置MaxIterations或MaxFunctionEvaluations解算器使用的选项optimoptions。或者,如果你想要一个解决者继续在达到一个极限,提高这些选项的值。看到设置和改变优化选项。
在任何步骤,中间计算包括评估目标函数和约束条件在当前迭代点附近x我。例如,解算器可能估计有限的梯度差异。在附近的每一个点,函数数(F-count)增加。这个数字三维空间中典型的迭代表明,在三维空间中向前有限差异的大小三角洲,一个迭代通常对应于增加函数的四个计数。在图中,e我代表的单位向量我坐标方向。
三维空间中典型的迭代
如果问题没有约束的
F-count报告目标函数评价的总数。如果问题约束,
F-count只报告点函数评估发生的数量,不约束函数的总评价。因此,如果这个问题有许多限制,F-count可以显著少于总数的评价函数。
有时候解决尝试一步,拒绝尝试。的信赖域,trust-region-reflective,trust-region-dogleg迭代算法计算这些失败的尝试,并报告(不变)导致迭代显示。的内点,有效集,levenberg-marquardt迭代算法不被失败的尝试,不尝试在迭代显示报告。所有试图增加的步骤F-count,无论算法。
F-count是迭代的标题显示了许多解决者。例如,看到的解释结果。
的F-count出现在输出结构output.funcCount,使您以编程方式访问评价计算。有关更多信息,请参见输出结构。
