Question

如果x是一个多维矩阵，优化函数lsqnonlin似乎会改变x的形状，函数的参数被最小化。为什么这样做我可以阻止吗？

documentation表示＆＃34;当x0是矩阵时，求解器将x作为与x0相同大小的矩阵传递给...目标函数。＆＃34;但是，在以下示例中，x的大小在lsqnonlin的后续迭代中发生更改。

最小化的功能：

function y = myfun(X)
size(X)
y = [];
for k = 1:numel(X)
   y(k) = 2 * X(k) + 5;
end
end

致电lsqnonlin：

x0 = rand(2,2,3);
x = lsqnonlin(@myfun,x0);

显示器：

ans =

     2     2     3

ans =

     2     6

等。

为什么X的形状会发生变化？

Answer 1

修改：这个错误已在MATLAB R2015b中修复。

通过查看堆栈跟踪，当X调用目标函数时，似乎优化变量finDiffEvalAndChkErr的维度变为错误，而finitedifferences则调用该函数。这些都是加密函数，所以没什么好说的。唯一要做的就是注意Mathworks。

函数finitedifferences以这种方式运行，因为当sfdnls调用它时，它接收列数组形状的X，并且它的真实大小为行数和列数，后者是X的最后一个维度的乘积。

我想X内的reshape可以恢复myfun的尺寸。另一种可能性是给lsqnonlin目标函数的梯度，以便不再使用明显错误的内部函数。

为什么lsqnonlin重塑其输入参数？

1 个答案: