在Matlab中使用約束最小化時的NaN？

我想最大化10個變量的函數。我用下面這段代碼做到這一點：在Matlab中使用約束最小化時的NaN？

b = [1 2 3 4 1 7 -1 -4 9 1].';  %// initial value of the decision variable 
goal = @(b) -sum(F(b));

因爲我想最大化F對於給定b組參數，其中最後值應≥0我實現了優化如下：

%// lower bounds for decision variable 
lb = [-inf(1,9) 0]; 

%// upper bounds for decision variable 
ub = inf(1,10); 

myfminoptions = optimset('Display','Iter', 'Algorithm','active-set'); 
theta1 = fmincon(goal, theta0, [],[],[],[], lb,ub, [], myfminoptions);

也就是說，我找到函數的負數的最小值，它應該與查找該函數的最大值相同。

我的問題是，對於每次迭代，我得到的一階最優性是Inf，因此'Hessian not updated'。

此外，我的功能NaN在第一次迭代中的值，我簡直不明白。這可能是原因，但我不確定。

編輯

這是我使用的功能：

function ll = mytobit(theta); 
global x y; 
b=theta(1:size(theta,1)-1); 
s=theta(size(theta,1)); 
ll = (y==0).*log(1-normcdf(x*b/s))+ (y>0).*(-0.5*(log(2*pi)+log(s^2)+(y-x*b).^2/s^2)); 
return;

當呼籲theta0的功能，我得到N個似然值（N是X中的行數和Y），我應該這樣做。

Y和X的一個例子：

Y = [0;0;2047;1890;1975] 

    X = [2300, 34, 1156, 0, 1; 
     2100, 35, 1225, 0, 1; 
     2760, 36, 1296, 1, 0; 
     2300, 37, 1369, 1, 0 
     2455, 38, 1444, 0, 0]

來源

2013-12-11 Jesper

什麼是'功能（b）'？是'theta0 == b'？ –

是的，對不起。 theta0 = B.該函數是一個用於一個模型的似然函數，該模型包含一些獨立變量（x）變量和一些因變量（y）。該函數然後返回數據集中每個人的一些似然值。 – Jesper

你可以粘貼該功能的玩具版本嗎？我希望能夠重現您的錯誤...原則上，您所做的事情沒有任何問題，所以我懷疑問題在於該功能。 –

你或許應該使用的「小數量議定書」的算法，而不是有效集。 sqp算法可以從s偏離接近於零時產生的NaN中恢復，其中衍生物是未定義的。

此外，您希望不會在theta0中初始化接近零的s變量。

因爲s實際上應該嚴格大於零，所以可能有助於將其重新表達爲s = exp（-d/2），其中d是一個新的無約束未知變量。另外，你的目標函數只取決於b的數量B = b/s。所以，你可以用這種方式來制定

ll = (y==0).*log(1-normcdf(x*B))+ (y>0).*(-0.5*(log(2*pi)-d+(y*exp(-d/2)-x*B).^2));

現在，函數或其衍生物中沒有不明確的區域。

來源

2014-01-15 16:18:54

在Matlab中使用約束最小化時的NaN？

回答

相關問題