Matlab在最优化问题中的应用(doc 28页)

Matlab在最优化问题中的应用内容提要：
       用户定义的目标函数的Hessian矩阵HessPattern用于有限差分的Hessian矩阵的稀疏形式。若不方便求fun函数的稀疏Hessian矩阵H，可以通过用梯度的有限差分获得的H的稀疏结构（如非零值的位置等）来得到近似的Hessian矩阵H。若连矩阵的稀疏结构都不知道，则可以将HessPattern设为密集矩阵，在每一次迭代过程中，都将进行密集矩阵的有限差分近似（这是默认设置）。这将非常麻烦，所以花一些力气得到Hessian矩阵的稀疏结构还是值得的PCGIterPCG迭代的最大次数。
（1）目标函数必须是连续的。fminunc函数有时会给出局部最优解；
（2）fminunc函数只对实数进行优化，即x必须为实数，而且f (x)必须返回实数。当x为复数时，必须将它分解为实部和虚部；
（3）在使用大型算法时，用户必须在fun函数中提供梯度(options参数中GradObj属性必须设置为’on’ )，否则将给出警告信息；
（4）目前，若在fun函数中提供了解析梯度，则options参数DerivativeCheck不能用于大型算法以比较解析梯度和有限差分梯度。通过将options参数的MaxIter属性设置为0来用中型方法核对导数，然后重新用大型方法求解问题；
（5）对于求解平方和问题，fminunc函数不是最好的选择，用Isqnonlin函数效果更佳。

 

..............................