resume
Возобновите байесовскую оптимизацию
Описание
newresults = resume(results,Name,Value)results с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар.
Примеры
Возобновите байесову оптимизацию
Этот пример показывает, как возобновить байесовскую оптимизацию. Оптимизация предназначена для детерминированной функции, известной как функция Розенбрка, которая является известным тестом для нелинейной оптимизации. Функция имеет глобальное минимальное значение 0 в точке [1,1].
Создайте две действительные 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 установите случайный seed и установите функцию сбора на '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 близка к оптимуму, но модель функции неточна. Возобновите оптимизацию для 30 дополнительных точек (в общей сложности 60 точек), на этот раз сообщив оптимизатору, что целевая функция является детерминированной.
newresults = resume(results,'IsObjectiveDeterministic',true,'MaxObjectiveEvaluations',30); newresults.XAtMinObjective newresults.MinEstimatedObjective
ans =
1x2 table
x1 x2
______ ______
1.0473 1.1002
ans =
-0.0066
Модель целевой функции намного ближе к истинной функции на этот раз. Лучшая точка ближе к истинному оптимуму.