使用sbiofit执行混合优化

这个例子使用了:

打开实时脚本

本示例展示如何配置sbiofit首先运行全局求解器来执行混合优化particleswarm，然后是另一个最小化函数，fmincon．

加载数据

加载样本数据以适应。数据存储为带有变量的表ID，时间，CentralConc,PeripheralConc．这一合成数据代表了三个人在输注剂量后，在中央和外周室的八个不同时间点测量的血浆浓度的时间过程。剂量为100毫克，剂量率为50毫克/小时。

负载(“data10_32R.mat”) gData = groupedData(data);gData.Properties.VariableUnits = {”，“小时”，毫克/升的，毫克/升的};sbiotrellis (gData“ID”，“时间”, {“CentralConc”，“PeripheralConc”}，“标记”，“+”，.．.“线型”，“没有”）;

图中包含4个轴对象。标题ID为1的axis对象1包含2个类型为line的对象。这些对象表示CentralConc, PeripheralConc。标题ID为3的坐标轴对象2包含2个line类型的对象。标题ID为2的坐标轴对象3包含2个line类型的对象。坐标轴对象4为空。

创建模型

按注射剂量建立一个两室模型。

pkmd = PKModelDesign;pkc1 = add隔间(pkmd，“中央”）;pkc1。DosingType =“注入”；pkc1。EliminationType =“linear-clearance”；pkc1。HasResponseVariable = true;pkc2 = add隔间(pkmd，“外围”）;Model = construct(pkmd);Configset = getconfigset(模型);configset.CompileOptions.UnitConversion = true;剂量= sbiodose(“剂量”，“TargetName”，“Drug_Central”）;剂量。StartTime = 0;剂量。金额= 100;剂量。费率= 50;剂量。AmountUnits =毫克的；剂量。时间Units =“小时”；剂量。RateUnits =“毫克/小时”；responseMap = {'Drug_Central = CentralConc'，'Drug_Peripheral = PeripheralConc'};

定义要估计的参数

使用estimatedInfo对象来定义估计的参数。

paramsToEstimate = {“日志(中央)”，的日志(外围)，“12”，“Cl_Central”};estimatedParam = estimatedInfo(paramsToEstimate，“InitialValue”，[1 1 1 1 1]，.．.“界限”10 [0]);

定义混合优化的选项

定义全局求解器和混合求解器的选项。因为参数是有界的，所以要确保使用兼容的混合函数进行有约束的优化，例如fmincon．使用optimset定义的选项fminsearch．使用optimoptions定义的选项fminunc，patternsearch,fmincon．

rng (“默认”）;globalMethod =“particleswarm”；options = optimoptions(globalMethod);hybridMethod =“fmincon”；hybridopts = optimoptions(混合方法，“显示”，“没有”）;选项= optimoptions(选项，“HybridFcn”, {hybridMethod, hybridopts});

合适的数据

估计模型参数。打开ProgressPlot查看现场对装配状态的反馈。第一行图是全局求解器的质量度量图。第二行图是用于混合函数的。详细信息请参见情节进展．

unpooledFit = sbiofit(模型，gData,responseMap,estimatedParam，剂量，globalMethod，.．.选项,“池”假的,“ProgressPlot”,真正的);

阴谋的结果

情节(unpooledFit);

图中包含4个轴对象。坐标轴对象1为空。带有标题3的坐标轴对象2包含4个line类型的对象。带有标题2的坐标轴对象3包含4个line类型的对象。标题为1的坐标轴对象4包含4个line类型的对象。

另请参阅

sbiofit