SimBiology® поддерживает множество методов оптимизации для наименьших квадратов и проблем оценки смешанных эффектов. В зависимости от метода оптимизации можно задать границы параметра для предполагаемых параметров, а также специфичных для ответа ошибочных моделей, то есть, ошибочной модели для каждой переменной отклика. Следующая таблица обобщает поддерживаемые методы оптимизации в SimBiology, подходящие опции и соответствующие тулбоксы, которые требуются в дополнение к MATLAB® и SimBiology.
| Метод | Дополнительный необходимый тулбокс | Границы параметра поддержек | Чувствительность параметра использования † | Специфичные для ответа ошибочные модели | Зафиксированные или смешанные эффекты | Поддерживает стохастический алгоритм EM | Функция SimBiology, чтобы использовать |
|---|---|---|---|---|---|---|---|
fminsearch | — | Да* | Нет | Да | Фиксированный | Нет | sbiofit
|
| scattersearch | — | Да | Зависит от выбранного локального решателя. | Зависит от выбранного локального решателя. | Фиксированный | Нет | |
nlinfit (Statistics and Machine Learning Toolbox) | Statistics and Machine Learning Toolbox™ | Да* | Нет | Нет | Фиксированный | Нет | |
fminunc (Optimization Toolbox) | Optimization Toolbox™ | Да* | Да | Да | Фиксированный | Нет | |
fmincon (Optimization Toolbox) | Optimization Toolbox | Да | Да | Да | Фиксированный | Нет | |
lsqcurvefit (Optimization Toolbox) | Optimization Toolbox | Да | Да | Да | Фиксированный | Нет | |
lsqnonlin (Optimization Toolbox) | Optimization Toolbox | Да | Да | Да | Фиксированный | Нет | |
patternsearch (Global Optimization Toolbox) | Global Optimization Toolbox | Да | Нет | Да | Фиксированный | Нет | |
ga (Global Optimization Toolbox) | Global Optimization Toolbox | Да | Нет | Да | Фиксированный | Нет | |
particleswarm (Global Optimization Toolbox) | Global Optimization Toolbox | Да | Нет | Да | Фиксированный | Нет | |
nlmefit (Statistics and Machine Learning Toolbox) | Statistics and Machine Learning Toolbox | Нет | Нет | Нет | Смешанный | Нет | sbiofitmixed
|
nlmefitsa (Statistics and Machine Learning Toolbox) | Statistics and Machine Learning Toolbox | Нет | Нет | Нет | Смешанный | Да |
† Этот столбец указывает, позволяет ли алгоритм использовать чувствительность параметра, чтобы определить градиенты целевой функции.
* При использовании fminsearch, nlinfit, или fminunc с границами целевая функция возвращает Inf если границы превышены. Когда вы включаете опции, такие как FunValCheck, оптимизация может ошибка, если границы превышены во время оценки. При использовании nlinfit, это может сообщить о предупреждениях о якобиане, являющемся плохо обусловленным или не бывшем способном оценивать, слишком близок ли конечный результат к границам.