FMINCON e Ottimizzazione FMINUNC – Quale Scegliere?
Scritto il 1 dicembre 2007 – 16:22 | da Keith Neo
Matlab provvede una biblioteca enorme di cassette degli attrezzi e usai molto sulla Cassetta degli attrezzi d'Ottimizzazione; particolarmente – fmincon e fminunc.
FMINCON è un copione di funzione dalla Cassetta degli attrezzi d'Ottimizzazione MATLAB che usa ordinarie amministrazioni d'ottimizzazione costrette per minimizzare (o massimizzare) le funzioni.
FMINUNC è un copione di funzione dalla Cassetta degli attrezzi d'Ottimizzazione MATLAB che usa ordinarie amministrazioni d'ottimizzazione senza costrizione per minimizzare (o massimizzare) le funzioni.
Queste due funzioni sono estremamente potenti che può esser usato per trovare il punto minimo di qualsiasi funzione stocastica liscia. Loro possono incorporare l'informazione di Tela da sacchi e di Pendenza per aiutare ad accelerare l'ottimizzazione; o altrimenti questi valori possono esser approssimati da finito-differencing. or otherwise these values can be approximated by finite-differencing.
Sebbene ci sia così una tale cosa come un algoritmo di scopo generale solo per andare bene a tutti gli scopi, ma l'algoritmo di regione fiduciario è molto raccomandato per tutti i generi, compreso ordinarie amministrazioni d'ottimizzazione a grande scala.
La domanda principale qui è, quando usa Lei FMINCON o FMINUNC? In generale, FMINCON è usato quando:
- il valore adattato (per esser formato) è dentro una portata di valori, ad esempio x1 <x <x2.
- i valori negativi devono esser evitati, ad esempio x> 0.
- c'è una presenza di funzioni costrette (che sono l'informazione supplementare da esser inclusa nell'ordinaria amministrazione d'ottimizzazione).
Altrimenti, FMINUNC è una scelta preferita siccome permette a una portata enorme di valori di valore di formazione professionale, x di esser considerata.
