このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
制約付き線形最小二乗問題を解く
範囲制約と線形制約をも線形最小二乗法問題のソルバ。
以下の形式の最小二乗曲線近似問題を解きます。
メモ
lsqlin
は,ソルバ,ベ,スのアプロ,チのみに適用されます。2,はじめに問題ベスアプロチまたはソルバベスアプロチを選択を参照してください。
は,x
= lsqlin (问题
)问题
で説明されている構造体问题
の最小値を求めます。ドット表記または结构体
関数を使用して问题
構造体を作成します。または,prob2struct
を使用してOptimizationProblem
オブジェクトから構造体问题
を作成します。
線形不等式制約のある過決定問題にいて,C*x - d
のノルムを最小化するx
を求めます。
問題と制約を指定します。
C = [0.9501 0.7620 0.6153 0.4057 0.2311 0.4564 0.7919 0.9354 0.6068 0.0185 0.9218 0.9169 0.4859 0.8214 0.7382 0.4102 0.8912 0.4447 0.1762 0.8936];D = [0.0578 0.3528 0.8131 0.0098 0.1388];A = [0.2027 0.2721 0.7467 0.4659 0.1987 0.1988 0.4450 0.4186 0.6037 0.0152 0.9318 0.8462];B = [0.5251 0.2026 0.6721];
lsqlin
を呼び出してこの問題を解きます。
x = lsqlin(C,d,A,b)
最小值满足约束条件。优化完成是因为目标函数在可行方向上不递减,在最优性容差值范围内,约束条件满足在约束容差值范围内。
x =4×10.1299 -0.5757 0.4251 0.2438
線形等式制約と線形不等式制約および範囲指定のある過決定問題にいて,C*x - d
のノルムを最小化するx
を求めます。
問題と制約を指定します。
C = [0.9501 0.7620 0.6153 0.4057 0.2311 0.4564 0.7919 0.9354 0.6068 0.0185 0.9218 0.9169 0.4859 0.8214 0.7382 0.4102 0.8912 0.4447 0.1762 0.8936];D = [0.0578 0.3528 0.8131 0.0098 0.1388];A =[0.2027 0.2721 0.7467 0.4659 0.1987 0.1988 0.4450 0.4186 0.6037 0.0152 0.9318 0.8462];B =[0.5251 0.2026 0.6721];Aeq = [3 5 7 9];Beq = 4;Lb = -0.1*ones(4,1);Ub = 2*ones(4,1);
lsqlin
を呼び出してこの問題を解きます。
x = lsqlin(C,d,A,b,Aeq,beq,lb,ub)
最小值满足约束条件。优化完成是因为目标函数在可行方向上不递减,在最优性容差值范围内,约束条件满足在约束容差值范围内。
x =4×10.1000 -0.1000 0.1599 0.4090
この例では,線形最小二乗法に対して既定ではないオプションを使用する方法を説明します。
“内点”
アルゴリズムを使用し,反復表示を提供するようにオプションを設定します。
选项= optimoptions(“lsqlin”,“算法”,“内点”,“显示”,“通路”);
線形最小二乗問題を設定します。
C = [0.9501 0.7620 0.6153 0.4057 0.2311 0.4564 0.7919 0.9354 0.6068 0.0185 0.9218 0.9169 0.4859 0.8214 0.7382 0.4102 0.8912 0.4447 0.1762 0.8936];D = [0.0578 0.3528 0.8131 0.0098 0.1388];A = [0.2027 0.2721 0.7467 0.4659 0.1987 0.1988 0.4450 0.4186 0.6037 0.0152 0.9318 0.8462];B = [0.5251 0.2026 0.6721];
問題を実行します。
x = lsqlin(C,d,A,b,[],[],[],[],[],[],[],选项)
Iter Fval primary Infeas Dual Infeas complementas 0 -7.687420e-02 1.600492e+00 6.150431e-01 1.000000e+00 1 -7.687419e-02 8.002458e-04 3.075216e-04 3.430833e -01 4.001229e-07 1.537608e-07 5.945636e-02 3 -3.760545e-01 2.000617e-10 2.036997e-08 1.370933e-02 4 - 3.9121245e -01 9.997558e-14 1.006816e-08 2.548273e-03 5 -3.948062e-01 2.775535e -17 1.237758e-09 4.295807e-04 6 - 3.9535277e -01 1.110223e-16 1.645862e-10 1.138719e-07 8-3.953582e-01 1.387779e-16 2.401829e-13 5.693290e-11满足约束的最小值。优化完成是因为目标函数在可行方向上不递减,在最优性容差值范围内,约束条件满足在约束容差值范围内。
x =4×10.1299 -0.5757 0.4251 0.2438
lsqlin
のすべての出力を取得して解釈します。
線形不等式制約と範囲指定のある問題を定義します。行列C
は4 5。これは,問題に線形制約と範囲指定を含める以前に,4つの未知数と5つの条件があることを意味します。
C = [0.9501 0.7620 0.6153 0.4057 0.2311 0.4564 0.7919 0.9354 0.6068 0.0185 0.9218 0.9169 0.4859 0.8214 0.7382 0.4102 0.8912 0.4447 0.1762 0.8936];D = [0.0578 0.3528 0.8131 0.0098 0.1388];A = [0.2027 0.2721 0.7467 0.4659 0.1987 0.1988 0.4450 0.4186 0.6037 0.0152 0.9318 0.8462];B = [0.5251 0.2026 0.6721];Lb = -0.1*ones(4,1);Ub = 2*ones(4,1);
“内点”
アルゴリズムを使用するためのオプションを設定します。
选项= optimoptions(“lsqlin”,“算法”,“内点”);
“内点”
アルゴリズムは初期点を使用しないので,x0
は[]
に設定します。
X0 = [];
すべての出力をもlsqlin
を呼び出します。
[x, resnorm残留,exitflag,输出,λ)=...lsqlin (C, d, A, b,[],[],磅,乌兰巴托,x0,选项)
最小值满足约束条件。优化完成是因为目标函数在可行方向上不递减,在最优性容差值范围内,约束条件满足在约束容差值范围内。
x =4×1-0.1000 -0.1000 0.2152 0.3502
Resnorm = 0.1672
剩余=5×10.0455 0.0764 -0.3562 0.1620 0.0784
Exitflag = 1
输出=带字段的结构:消息:“……'算法:'内部点' firstorderopt: 4.3374e-11 constrviolation: 0迭代:6线性求解器:'密集' cgiterations: []
λ=带字段的结构:Ineqlin: [3x1 double] eqlin: [0x1 double] lower: [4x1 double] upper: [4x1 double]
ゼロでないラグランジュ乗数フィ,ルドを詳しく検査します。まず,線形不等式制約のラグランジュ乗数を確認します。
lambda.ineqlin
ans =3×10.000 0.2392 0.0000
ラグランジュ乗数は,解が対応する制約の境界上にある場合のみ,ゼロ以外の値を取ります。言い換えれば,対応する制約がアクティブなときはラグランジュ乗数が非ゼロとなります。lambda.ineqlin (2)
は非ゼロです。したがって,制約がアクティブであるため,* x
の第2要素がb
の第2要素に等しいことを意味します。
[(2) * x, b (2))
ans =1×20.2026 - 0.2026
次に,範囲制約の下限と上限のラグランジュ乗数を確認します。
lambda.lower
ans =4×10.0409 0.2784 0.0000 0.0000
lambda.upper
ans =4×10 0 0 0
lambda.lower
の最初の2の要素は非ゼロです。x (1)
とx (2)
の値はその下限-0.1
になっているのがわかります。基本的にlambda.upper
の全要素がゼロであり,x
の要素はすべてその上限である2
より低いことがわかります。
変更した問題を迅速に解くためのウォ,ムスタ,トオブジェクトを作成します。ウォ,ムスタ,トをサポトするために、反復表示をオフにするオプションを設定します。
rng默认的%用于再现性选项= optimoptions(“lsqlin”,“算法”,“激活集”,“显示”,“关闭”);N = 15;X0 = 5*rand(n,1);Ws = optimwarmstart(x0,options);
最初の問題を作成し,解きます。求解時間を確認します。
R = 1:n-1;用于生成向量的索引V (n) = (-1)^(n+1)/n;分配向量vV (r) =(-1).^(r+1)./r;C =画廊(“线性”, v);C = [C;C];R = 1:2*n;D (r) = n-r;Lb = -5*ones(1,n);Ub = 5*ones(1,n);抽搐(ws、fval ~、exitflag、输出]= lsqlin (C, d ,[],[],[],[], 磅,乌兰巴托,ws) toc
运行时间为0.005117秒。
線形制約を追加してもう一度問題を解きます。
A = ones(1,n);B = -10;抽搐(ws、fval ~、exitflag、输出]= lsqlin (C, d, A, b,[],[],磅,乌兰巴托,ws) toc
运行时间为0.001491秒。
C
- - - - - -乗数行列乗数行列は双の行列として指定されます。C
は,式C*x - d
における解x
の乗数を表します。C
は米
行N
列で,米
は方程式の数,N
はx
の要素数です。
例:C = [1,4;2,5;7,8]
デ,タ型:双
d
- - - - - -定数ベクトル定数ベクトルは双のベクトルとして指定されます。d
は,式C*x - d
内の加法定数項を表します。d
は米
行1
列で,米
は方程式の数です。
例:D = [5;0;-12]
デ,タ型:双
一个
- - - - - -線形不等式制約実数行列として指定される線形不等式制約です。一个
は米
行N
列の行列で,米
は不等式の数,N
は変数の数(x0
の要素数)です。大規模な問題の場合は,一个
をスパ,ス行列として渡します。
一个
は米
個の線形不等式を符号化します。
A*x <= b
,
ここで,x
はN
個の変数x (:)
の列ベクトル,b
は米
個の要素をも列ベクトルです。
たとえば,次を指定します。
x1+ 2倍2≤10
3 x1+ 4 x2≤20
5倍1+ 6 x2≤30日
次の制約を入力します。
A = [1,2;3,4;5,6];B = [10;20;30];
例:Xの成分の和が1以下であることを指定するには,A = ones(1,N)
とB = 1
を使用します。
デ,タ型:双
b
- - - - - -線形不等式制約実数ベクトルで指定される線形不等式制約です。b
は,行列一个
に関連する米
要素ベクトルです。b
を行ベクトルとして渡す場合,ソルバ,はb
を列ベクトルb (:)
に内部的に変換します。大規模な問題の場合は,b
をスパ,スベクトルとして渡します。
b
は米
個の線形不等式を符号化します。
A*x <= b
,
ここで,x
はN
個の変数x (:)
の列ベクトル,一个
は米
行N
列の行列です。
たとえば,次の不等式を考えてみましょう。
x1+ 2倍2≤10
3 x1+ 4 x2≤20
5倍1+ 6 x2≤30。
次の制約を入力することによって,不等式を指定します。
A = [1,2;3,4;5,6];B = [10;20;30];
例:Xの成分の和が1以下であることを指定するには,A = ones(1,N)
とB = 1
を使用します。
デ,タ型:双
Aeq
- - - - - -線形等式制約実数行列として指定される線形等式制約です。Aeq
は我
行N
列の行列で,我
は等式の数,N
は変数の数(x0
の要素数)です。大規模な問題の場合は,Aeq
をスパ,ス行列として渡します。
Aeq
は我
個の線形等式を符号化します。
Aeq*x = beq
,
ここで,x
はN
個の変数x (:)
の列ベクトル,说真的
は我
個の要素をも列ベクトルです。
たとえば,次を指定します。
x1+ 2倍2+ 3 x3.= 10
2 x1+ 4 x2+ x3.= 20,
次の制約を入力します。
Aeq = [1,2,3;2,4,1];Beq = [10;20];
例:Xの成分の和が1であることを指定するには,Aeq = ones(1,N)
とBeq = 1
を使用します。
デ,タ型:双
说真的
- - - - - -線形等式制約実数ベクトルで指定される線形等式制約です。说真的
は,行列Aeq
に関連する我
要素ベクトルです。说真的
を行ベクトルとして渡す場合,ソルバ,は说真的
を列ベクトル说真的(:)
に内部的に変換します。大規模な問題の場合は,说真的
をスパ,スベクトルとして渡します。
说真的
は我
個の線形等式を符号化します。
Aeq*x = beq
,
ここで,x
はN
個の変数x (:)
の列ベクトル,Aeq
は我
行N
列の行列です。
たとえば,次の等式を考えてみましょう。
x1+ 2倍2+ 3 x3.= 10
2 x1+ 4 x2+ x3.= 20。
次の制約を入力することによって,等式を指定します。
Aeq = [1,2,3;2,4,1];Beq = [10;20];
例:Xの成分の和が1であることを指定するには,Aeq = ones(1,N)
とBeq = 1
を使用します。
デ,タ型:双
磅
- - - - - -下限[]
(既定値) |実数ベクトルまたは配列下限。double 型のベクトルまたは配列として指定します。磅
は磅
≤x
≤乌兰巴托
の要素ごとの下限を表します。
lsqlin
は配列磅
をベクトル磅(:)
に内部的に変換します。
例:lb = [0;-Inf;4]
はX(1)≥0
,X(3)≥4
を意味します。
デ,タ型:双
乌兰巴托
- - - - - -上限[]
(既定値) |実数ベクトルまたは配列上限。double 型のベクトルまたは配列として指定します。乌兰巴托
は磅
≤x
≤乌兰巴托
の要素ごとの上限を表します。
lsqlin
は配列乌兰巴托
をベクトル乌兰巴托(:)
に内部的に変換します。
例:ub = [Inf;4;10]
はX(2)≤4
,X(3)≤10
を意味します。
デ,タ型:双
x0
- - - - - -初期点[]
(既定値) |実数ベクトルまたは配列解法プロセスの初期点。実数ベクトルまたは配列として指定します。“trust-region-reflective”
アルゴリズムおよび“激活集”
アルゴリズムはx0
を使用します(オプション)。
“trust-region-reflective”
アルゴリズムまたは“激活集”
アルゴリズムにx0
を指定しない場合,lsqlin
はx0
をゼロベクトルに設定します。このゼロベクトルx0
のいずれかの要素が範囲に違反すると,lsqlin
はx0
を,その範囲で定義されるボックス内の点に設定します。
例:X0 = [4;-3]
デ,タ型:双
选项
- - - - - -lsqlin
のオプションoptimoptions
を使用して作成されたオプション|optimset
などによって作成された構造体optimoptions
関数の出力としてまたはoptimset
などによって作成された構造体として指定されたlsqlin
用のオプション。
一部のオプションは,optimoptions
に表示されません。このようなオプションは,次の表では。詳細は,表示オプションを参照してください。
すべてのアルゴリズム
|
アルゴリズムを選択します。
問題に制約がない場合, 多数の線形制約があるものの変数の数は多くない場合は, アルゴリズムの選択にいての詳細は,アルゴリズムの選択を参照してください。 |
诊断 | 最小化または計算する関数に関する情報を表示します。選択肢は |
显示 |
コマンドラ@ @ンに返される表示のレベル。
|
MaxIterations |
可能な反復の最大数(正の整数)。既定の値は
|
trust-region-reflective
アルゴリズムのオプション
FunctionTolerance |
関数値に関する終了許容誤差(正のスカラ)。既定値は
|
JacobianMultiplyFcn |
ヤコビ乗算関数。関数ハンドルとして指定されます。大規模構造化問題に対して、この関数は実際に W = jmfun(Jinfo,Y,flag) ここで,
どの場合でも 例にいては,線形最小二乗付きヤコビ乗算関数を参照してください。
|
MaxPCGIter | PCG(前処理付き共役勾配)法の反復の最大回数です(正のスカラ)。既定値は |
OptimalityTolerance |
1次の最適性に関する終了許容誤差(正のスカラ)。既定値は
|
PrecondBandWidth | PCG(前処理付き共役勾配法)における前提条件子の帯域幅の上限。既定では,対角型の前提条件を使用します(帯域幅の上限0)。一部の問題では,帯域幅を上げることで,pcg法の反復回数を減らします。 |
SubproblemAlgorithm |
反復ステップの計算方法を定義します。既定の設定である |
TolPCG | PCG(前処理付き共役勾配法)反復に関する終了許容誤差(正のスカラ)。既定値は |
TypicalX |
典型的な |
内点
アルゴリズムのオプション
ConstraintTolerance |
制約違反に関する許容誤差(正のスカラ)。既定値は
|
LinearSolver |
アルゴリズムの内部的な線形ソルバのタプ |
OptimalityTolerance |
1次の最適性に関する終了許容誤差(正のスカラ)。既定値は
|
StepTolerance |
|
“激活集”
アルゴリズムのオプション
ConstraintTolerance |
制約違反に関する許容誤差(正のスカラ)。既定値は
|
ObjectiveLimit |
スカラ,の許容誤差(停止条件)です。目的関数値が |
OptimalityTolerance |
1次の最適性に関する終了許容誤差(正のスカラ)。既定値は
|
StepTolerance |
|
问题
- - - - - -最適化問題最適化問題は,次のフィ,ルドを含む構造体として指定されます。
|
行列乗数 (項C*x - d ) |
|
加法定数 (項C*x - d ) |
|
線形不等式制約の行列 |
|
線形不等式制約のベクトル |
|
線形等式制約の行列 |
|
線形等式制約のベクトル |
磅 |
下限のベクトル |
乌兰巴托 |
上限のベクトル |
|
x の初期点 |
|
“lsqlin” |
|
optimoptions で作成されたオプション |
メモ
引数问题
とウォ,ムスタ,トを一緒に使用することはできません。
デ,タ型:结构体
ws
- - - - - -ウォ,ムスタ,トオブジェクトoptimwarmstart
を使用して作成されたオブジェクトウォ,ムスタ,トオブジェクト。optimwarmstart
で作成したオブジェクトとして指定します。ウォ,ムスタ,トオブジェクトには、開始点とオプションに加え、コード生成におけるメモリ サイズ用のオプション データが含まれます。詳細は、ウォ,ムスタ,トのベストプラクティスを参照してください。
例:Ws = optimwarmstart(x0,options)
x
——解解は,すべての範囲制約および線形制約に従ってC * x d
のノルムを最小化するベクトルとして返されます。
wsout
—解ウォムスタトオブジェクトLsqlinWarmStart
オブジェクト解ウォ,ムスタ,トオブジェクト。LsqlinWarmStart
オブジェクトとして返されます。解点はwsout。X
です。
この後のlsqlin
の呼び出しでは,wsout
を入力ウォ,ムスタ,トオブジェクトとして使用できます。
resnorm
-目的値目的値はスカラ,値规范(C * x d) ^ 2
として返されます。
剩余
-解の残差解の残差はベクトルC * x d
として返されます。
exitflag
-アルゴリズムの停止条件アルゴリズムの停止条件。アルゴリズムの停止理由を識別する整数として返されます。exitflag
の値とlsqlin
が停止した対応する理由を以下に示します。
|
残差の変化が,指定された許容誤差 |
|
ステップサ@ @ズが |
|
関数が解 |
|
反復数が |
|
問題が実行不可能。また, |
3 |
問題が非有界です。 |
|
悪条件のため,さらに最適化を行うことができないことを示します。 |
|
ステップ方向を計算できません。 |
内点
アルゴリズムの終了メッセ,ジは,許容誤差の超過など,lsqlin
が停止した理由に関する情報をより詳細に提供します。詳細は,終了フラグと終了メッセ,ジを参照してください。
输出
-解法プロセスの概要最適化プロセスに関する情報を含む構造体として返された解法プロセスの概要。
|
ソルバ,が実行した反復の回数。 |
|
次のいずれかのアルゴリズム。
制約のない問題の場合は |
|
違反された制約にいて明らかな制約違反(
|
|
終了メッセ,ジ。 |
|
解における1次の最適性。詳細は,1次の最適性の尺度を参照してください。 |
linearsolver |
内部的な線形ソルバのタプ, |
|
ソルバ,が実行した共役勾配反復の回数。値が空でないのは |
詳細は,出力構造体を参照してください。
λ
-ラグランジュ乗数ラグランジュ乗数は以下のフィ,ルドを含む構造体として返されます。
|
下限 |
|
上限 |
|
線形不等式 |
|
線形等式 |
詳細は,ラグランジュ乗数構造体を参照してください。
制約のない問題ではmldivide
(行列の左除算)を使用できます。制約がない場合,lsqlin
はx = C\d
を返します。
解かれる問題が常に凸型なので,lsqlin
は必ずしも一意ではないがグロバルな解を見けます。
問題に多数の線形制約があるものの変数の数は少ない場合は,“激活集”
アルゴリズムを試してください。詳細は,多数の線形制約がある場合の二次計画法を参照してください。
磅
および乌兰巴托
を陰的に使用する代わりに,Aeq
および说真的
を陽的に使用することで等式を指定する場合,より良い数値結果が出力されます。
trust-region-reflective
アルゴリズムは上限と下限を同じ値に設定できません。そのような場合は別のアルゴリズムを使用してください。
問題の指定された入力範囲が矛盾する場合,出力x
はx0
、出力resnorm
と剩余
は[]
です。
行列C
が大きすぎてメモリが不足する場合など,一部の大規模な構造の問題は,trust-region-reflective
アルゴリズムでヤコビ乗算関数を使用して解くことができます。詳細は,信任区域反射アルゴリズムのオプションを参照してください。
この方法は,部分空間信頼領域法であり,[1]で説明する内反射ニュ,トン法に基づいています。各反復は,前処理付き共役勾配(pcg)法を使用する大型線形システムの近似解を伴います。信頼領域反思法の最小二乗と,特に大規模な線形最小二乗法を参照してください。
“内点”
アルゴリズムはquadprog
“interior-point-convex”
アルゴリズムに基づいています。詳細は,線形最小二乗法:内点法または有効制約法を参照してください。
“激活集”
アルゴリズムはquadprog
“激活集”
アルゴリズムに基づいています。詳細は線形最小二乗法:内点法または有効制約法とActive-set quadprogアルゴリズムを参照してください。
[1] Coleman, t.f., Li Y.。“一个反射牛顿方法最小化二次函数服从某些变量的边界,”SIAM期刊优化,第6卷,第4号,第1040-1058页,1996。
[2]吉尔,p.e., W.默里和M. H.赖特。实用优化,学术出版社,伦敦,英国,1981。
ウォ,ムスタ,トオブジェクトは,前回解いた問題のアクティブな制約のリストを維持します。ソルバ,は,アクティブな制約情報を可能な限り多く引き継いで,現在の問題を解きます。前回の問題と現在の問題が違いすぎる場合,アクティブセットの情報は再利用されません。この場合,ソルバ,は効率的にコ,ルドスタ,トを実行して,アクティブな制約のリストを再構築します。
最適化ラ▪▪ブエディタ▪▪タスクがlsqlin
にビジュアル▪▪ンタ▪▪フェ▪▪スを提供します。
使用上の注意および制限
lsqlin
は,関数codegen
(MATLAB编码器)またはMATLAB®编码器™アプリを使用したコ,ド生成をサポ,トしています。コ,ドを生成するにはMATLAB编码器ラ@ @センスが必要です。
タ,ゲットハ,ドウェアは,標準的な倍精度浮動小数点計算をサポ,トしていなければなりません。単精度計算や固定小数点計算のコ,ドは生成できません。
コド生成タゲットは,matlabソルバと同じ数学カネルラブラリを使用しません。そのため,コード生成解法は,特に,条件付けが不十分な問題の場合に,ソルバー解法と異なる可能性があります。
Matlabで制約なし問題や劣決定問題の解を求める場合,lsqlin
がmldivide
を呼び出すことで,基底解が返ります。コ,ド生成で返ってくるのは最小ノルム解で,これは通常,一意に定まることはありません。
コ,ド生成の場合,lsqlin
は问题
引数をサポ,トしていません。
[x,fval] = lsqlin(problem)%不支持金宝app
lsqlin
の入力行列(一个
、Aeq
、磅
、乌兰巴托
など)はすべてフル(非スパ,ス)でなければなりません。関数完整的
を使用することで,スパ,ス行列を非スパ,スに変換できます。
磅
引数と乌兰巴托
引数は,C
の列数と同じ数のエントリをもか,空[]
でなければなりません。
組み込みプロセッサを使用する高度なコ,ド最適化には,嵌入式编码器®ラ@ @センスも必要です。
lsqlin
のオプションを含め,関数optimoptions
を使用して指定しなければなりません。オプションには算法
オプションを含め,“激活集”
に設定しなければなりません。
选项= optimoptions(“lsqlin”,“算法”,“激活集”);[x,fval,exitflag] = lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0,options);
コ,ド生成では次のオプションをサポ,トしています。
算法
- - - - - -“激活集”
でなければなりません
ConstraintTolerance
MaxIterations
ObjectiveLimit
OptimalityTolerance
StepTolerance
生成コ,ドでは,オプションに対して限られたエラ,チェックしか行われません。オプションの更新方法として,ドット表記ではなく,optimoptions
を使用することを推奨します。
Opts = optimoptions(“lsqlin”,“算法”,“激活集”);Opts = optimoptions(Opts,“MaxIterations”1 e4);%推荐选择。米axIterations = 1e4;%不推荐
オプションはファ@ @ルから読み込まないでください。そうした場合,コ,ド生成に失敗することがあります。代わりに,コ,ド内でオプションを作成してください。
サポ,トされていないオプションを指定すると,通常はコ,ド生成の際にそのオプションは無視されます。信頼できる結果を得るために,サポ,トされているオプションのみを指定します。
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。Webブラウザ,はMATLABコマンドをサポ,トしていません。
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。