FMINCON e Otimização FMINUNC – Que Selecionar?
Escrito em primeiro de dezembro de 2007 – 16h22 | por Keith Neo
Matlab provê uma enorme biblioteca de caixas de ferramentas e usei muito na Caixa de ferramentas de Otimização; em particular – fmincon e fminunc.
FMINCON é uma escrita de função da Caixa de ferramentas de Otimização MATLAB que usa rotinas de otimização reprimidas para minimizar (ou maximizar) funções.
FMINUNC é uma escrita de função da Caixa de ferramentas de Otimização MATLAB que usa rotinas de otimização não constrangidas para minimizar (ou maximizar) funções.
Estas duas funções são extremamente potentes que pode estar usado para encontrar o ponto mínimo de qualquer função estocástica lisa. Eles podem incorporar a informação sobre Aniagem e Declive para ajudar a acelerar a otimização; ou de outra maneira podem aproximar sobre estes valores por finito-differencing. or otherwise these values can be approximated by finite-differencing.
Embora haja assim tal coisa como um algoritmo de objetivo geral único para ajustar todos os objetivos, mas o algoritmo de região de confiança é altamente recomendado para todas as espécies, inclusive rotinas de otimização amplas.
A pergunta principal aqui é, quando você usa FMINCON ou FMINUNC? Em geral, FMINCON está usado quando:
- o valor adaptado (para ser treinado) é dentro de uma variedade de valores, p. ex. x1 <x <x2.
- os valores negativos devem ser evitados, p. ex. x> 0.
- há uma presença de funções reprimidas (que são a informação adicional a estar incluída na rotina de otimização).
De outra maneira, FMINUNC é uma escolha preferencial como permite a uma enorme variedade de valores do valor de treino, x ser considerada.
