Документация

Шаг 1: Запишите файл objfun.m.

Этот код поставляется с тулбоксом. Чтобы просмотреть, введите type objfun:

function f = objfun(x)
f = exp(x(1)) * (4*x(1)^2 + 2*x(2)^2 + 4*x(1)*x(2) + 2*x(2) + 1);

Шаг 2: Установка опций.

Установите опции использовать 'quasi-newton' алгоритм. Установите опции потому что 'trust-region' алгоритм требует, чтобы целевая функция включала градиент. Если вы не устанавливаете опции, то, в зависимости от вашей версии MATLAB^®, fminunc может выдать предупреждение.

options = optimoptions(@fminunc,'Algorithm','quasi-newton');

Шаг 3: Вызовите fminunc использование опций.

x0 = [-1,1]; % Starting guess
[x,fval,exitflag,output] = fminunc(@objfun,x0,options);

Это производит следующий выход:

Local minimum found.

Optimization completed because the size of the gradient is less
than the default value of the optimality tolerance.

Просмотрите результаты, включая меру по оптимальности первого порядка в output структура.

x,fval,exitflag,output.firstorderopt

x =

    0.5000   -1.0000


fval =

   3.6609e-16


exitflag =

     1


ans =

   7.3704e-08

exitflag говорит, сходился ли алгоритм. exitflag = 1 означает, что локальный минимум был найден. Значения exitflags даны на страницах ссылки на функцию.

output структура предоставляет больше подробную информацию об оптимизации. Для fminunc, это включает количество итераций в iterations, количество функциональных оценок в funcCount, размер последнего шага в stepsize, мера оптимальности первого порядка (который в этом неограниченном случае является нормой по бесконечности градиента в решении) в firstorderopt, тип алгоритма используется в algorithm, и выходное сообщение (причина остановленный алгоритм).