резюме
Возобновите Байесовую оптимизацию
Синтаксис
newresults = resume(results,Name,Value)Описание
newresults = resume(results,Name,Value)results с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.
Примеры
Возобновите байесовую оптимизацию
Этот пример показывает, как возобновить Байесовую оптимизацию. Оптимизация для детерминированной функции, известной как функцию Розенброка, которая является известным тестом для нелинейной оптимизации. Функция имеет глобальное минимальное значение 0 в точке [1,1].
Создайте две действительных переменные, ограниченные -5 и 5.
x1 = optimizableVariable('x1',[-5,5]); x2 = optimizableVariable('x2',[-5,5]); vars = [x1,x2];
Создайте целевую функцию.
function f = rosenbrocks(x)
f = 100*(x.x2 - x.x1^2)^2 + (1 - x.x1)^2;
fun = @rosenbrocks;
Для воспроизводимости, набор случайный seed и набор приобретение функционируют к 'expected-improvement-plus' в оптимизации.
rng default results = bayesopt(fun,vars,'Verbose',0,... 'AcquisitionFunctionName','expected-improvement-plus');
Просмотрите лучшую найденную точку и лучшую смоделированную цель.
results.XAtMinObjective results.MinEstimatedObjective
ans =
1x2 table
x1 x2
______ ______
1.2421 1.5299
ans =
-9.5402
Лучшая точка несколько близко к оптимуму, но модель функции неточна. Возобновите оптимизацию для еще 30 точек (в общей сложности 60 точек), на этот раз говоря оптимизатору, что целевая функция детерминирована.
newresults = resume(results,'IsObjectiveDeterministic',true,'MaxObjectiveEvaluations',30); newresults.XAtMinObjective newresults.MinEstimatedObjective
ans =
1x2 table
x1 x2
______ ______
1.0516 1.1007
ans =
-0.0227
Модель целевой функции намного ближе к истинной функции на этот раз. Лучшая точка ближе к истинному оптимуму.