2011-06-13 88 views
0

我使用fmincon通過最小化殘差平方和來進行曲線擬合。當我沒有很多數據點時,fmincon通常會發現局部最小值不接近全局最小值,這將導致很好的結果。有沒有辦法使用fmincon的梯度掃描方法來避免這些局部最小值?使用fmincon進行漸變掃描

+2

我不知道你所說的梯度掃描的意思......你可以添加鏈接?通常對於最小二乘問題'lsqnonlin'是一個更好的選擇......是否有一個原因,你必須使用'fmincon'? – Tom 2011-06-13 12:29:35

+0

我同意Tom對此的評論... fmincon可能是基於您的參數的一種較差的算法選擇。梯度掃描以及爲功能尋找合適的參數並不總是能夠一起工作 – Rasman 2011-06-13 20:00:03

回答

0

由於您的問題具有局部最小值,因此這些簡單的優化程序將針對不同的初始條件產生不同的答案。嘗試用合理的猜測進行初始化,或者用多個隨機值進行初始化,然後選擇錯誤最小的值。

我們可以幫助你更好的,如果你完全描述您的問題(你的曲線是什麼,可能是一個代碼段。)