Как интерпретировать вывод Matlab lsqnonlin?
Я подгоняю функцию с различным количеством плавающих параметров, используя lsqnonlin в Matlab.
Первая примерка дает лучшую примерку, повторн 2,5. Matlab отображает:
Norm of First-order
Iteration Func-count f(x) step optimality
0 24 17492.8 9.07e+05
1 48 143.52 0.106514 2.14e+04
2 72 28.1836 0.322225 9.21e+03
3 96 8.22318 0.190289 471
4 120 4.64683 0.106685 469
5 144 4.21385 0.110651 50.6
6 168 3.84595 0.132576 6.57
7 192 3.80318 0.0785982 0.574
8 216 3.80298 0.00714585 0.0696
9 240 3.80298 8.99227e-05 0.0165
2-й пример - 3,6. Matlab отображает:
Norm of First-order
Iteration Func-count f(x) step optimality
0 38 17492.8 9.07e+05
1 76 158.945 0.112853 3.12e+04
2 114 31.4081 0.296493 9.11e+03
3 152 8.51237 0.171055 627
4 190 4.73721 0.485675 1.01e+03
5 228 4.25786 0.268581 121
6 266 3.82232 0.424431 12.9
7 304 3.67385 0.483489 13
8 342 3.65582 0.290754 21
9 380 3.64699 0.331376 25.9
10 418 3.64327 0.237147 16
11 456 3.64078 0.236815 13.3
12 494 3.63925 0.203176 9.54
13 532 3.63819 0.186138 7.32
14 570 3.63747 0.165213 5.52
15 608 3.63697 0.148463 4.2
16 646 3.63663 0.132661 3.17
17 684 3.6364 0.118115 2.35
18 722 3.63624 0.102959 1.73
19 760 3.63616 0.0842739 1.2
20 798 3.63612 0.0589477 0.731
21 836 3.63611 0.0309845 0.391
22 874 3.6361 0.0119255 0.192
Обе эти фурнитуры: "lsqnonlin stopped because the final change in the sum of squares relative to its initial value is less than the default value of the function tolerance."
Как мне интерпретировать дисплеи для подгонки результата, не глядя на resnorm?
Из того, что я вижу, у 1-й арматуры "норма шага" значительно меньше. Конечный результат f(x) и оптимальность первого порядка аналогичны.
Что означает каждый столбец? Как мне их интерпретировать?
1 ответ
Iteration
- номер итерации.
Func Count
- Количество оценок функций.
f(x)
- Значение функции в точке х.
Norm of step
- Размер текущего шага.
First-Order Optimality
- Оптимальность первого порядка - это мера того, насколько близка точка x к оптимальной.
На что вы хотите обратить внимание, так это на тот факт, что оптимальность первого порядка -> 0 (и ваши невязки -> 0 тоже), поскольку это будет указывать на то, что ваш алгоритм сходится или сходится к оптимальному решению. При первом подборе вы, должно быть, предоставили более точное предположение или использовали лучший алгоритм, потому что он сходился всего за 9 итераций, тогда как ваше второе приближение сходилось за 22.