lsqnonlin
|
页面进行中。 |
非线性最小二乘问题的求解器。
库::`工程优化`
求解器设置
| 所有算法 | |
|---|---|
|
选择其中一种算法: 论点 |
|
显示关于要最小化或解决的功能的诊断信息。 可用选项: |
|
有限差分梯度(正标量)的变量的最大变化。 默认值 — |
|
有限差分梯度(正标量)变量的最小变化。 默认值 — |
* * * * * |
[source,Julia] ---- delta = v.*sign′(x).*max(abs(x),TypicalX); ---- 哪里 [source,Julia] ---- delta = v.*max(abs(x),TypicalX); ---- 标量值 |
|
用于估计梯度的最终差异可以是 在评估两种类型的有限差异时,算法严格遵守指定的边界。 例如,代替直接差,可以使用逆来避免在可接受范围之外的点处计算函数。 |
|
函数终止算法的值的容差;非负标量。 默认值 — |
|
检查函数值的正确性。 选择时 |
|
函数的最大允许计算次数,设置为非负整数。 默认值为 |
|
最大允许迭代次数,设置为非负整数。 默认值为 |
|
根据一阶最优性准则对停止条件的容差,作为非负标量给出。 默认值 — 算法 |
|
指定优化函数将在每次迭代时调用的一个或多个自定义函数。 将指针传递给函数或具有函数指针的数组。 默认情况下,没有函数( |
自定义图表函数使用与输出函数相同的语法。 |
|
如果值设置为 |
|
可变容差 |
|
典型值 |
* * 2+/算法 |
[source,Julia] ---- W = jmfun(Jinfo, Y, flag) ---- 哪里 功能 如果 *如果 *如果 在所有情况下,矩阵 [NOTE]
为了使求解器传输 |
|
有限差分法的雅可比稀疏模式。 安装/安装 使用方法 如果矩阵结构未知,请不要指定 |
|
定义计算迭代步骤的方法。 使用默认选项时( 2+/算法 |
|
Levenberg-Marquardt参数的初始值是正标量。 默认值 — |
|
求解器输出的信息
# exitflag — 停止求解器的原因
+
一个整数
Details
停止求解器的原因,作为整数返回。
| 意义/理由 |
|---|
|
功能已经收敛到一个解决方案 |
|
改变 |
|
差异变化小于指定的容差。 |
|
搜索方向的相对量值小于公差一步。 |
|
迭代次数超过该值 |
|
绘图函数或输出函数已停止求解器。 |
|
未找到有效点。 边界 |
# 输出 — 有关优化过程的信息
+
结构
Details
作为具有字段的结构返回的有关优化过程的信息:
| 字段名称/内容 |
|---|
|
一阶最优性的度量。 |
|
执行的迭代次数。 |
|
函数的计算次数。 |
|
共轭梯度法(PCG)的迭代总数(用于算法 |
|
最后的偏移量在 |
|
用的优化算法。 |
|
退出消息。 |
# 雅可比 — 决策点上的雅各布人
+
实矩阵
Details
解点的雅可比,返回为实矩阵。 元素 雅可比(i,j) 它是函数的偏导数
对于在解点存在主动约束的问题,雅可比不适用于估计置信区间。
此外
本地及全球最低限额
Details
函数的局部最小值是函数值小于相邻点的点,但可能大于任何远程点的点。
全局最小值是函数值小于所有其他可接受点的点。
求解器算法试图找到一个局部最小值。 结果可能是全局最小值。
一阶最优性的度量
Details
对于无条件优化问题,一阶最优性的度量是梯度向量的分量的最大绝对值(也称为无限梯度范数)。 在最小值点,该值应为零。
对于有约束的问题,一阶最优性的度量是索引中的最大值。
如果
公差
Details
通常,公差是一个阈值,在该阈值处求解器的迭代过程停止。
-
最佳温度/最佳温度-定义第一阶最优性度量的可接受偏差。 当一阶最优性度量的值小于最佳温度/最佳温度. -
功能,功能-确定目标函数值的最后变化量。
文学作品
-
Coleman,T.F.and Y.Li._an Interior,Trust Region Approach for Nonlinear Minimization Subject to Bounds._暹罗优化杂志,卷. 6,1996,第418-445页。
-
Coleman,T.F.and Y.Li._On The Convergence Of Reflective Newton Methods for Large-Scale Nonlinear Minimization Subject to Bounds._数学编程,卷. 67,编号2,1994,第189-224页。
-
丹尼斯,J.E.Jr._Nonlinear最小二乘。_数值分析的最新进展,ed. D.Jacobs,学术出版社,第269-312页。
-
Marquardt,D. _an算法,用于非线性参数的最小二乘估计。_SIAM Journal Applied Mathematics,Vol. 11,1963,第431-441页。
-
Moré,J.J. _The Levenberg-Marquardt算法:实现与理论。_数值分析,ed。 G.A.Watson,Lecture Notes in Mathematics630,Springer Verlag,1977,第105-116页。
-
Moré,J.J.,B.S.Garbow和K.E.Hillstrom。 MINPACK1的用户指南。 阿贡国家实验室,Rept。 ANL–80–74,1980年。
-
Powell,M.J.D. _a Fortran用于求解非线性代数方程组的子程序。_Numerical Methods for Nonlinear Algebraic Equations,P.Rabinowitz,ed.,Ch.7, 1970.