Question

我有一个优化函数，它接收一个大的向量x（比如说大小为50,000）的参数。我的优化策略包括将向量x复制到M的对角线，然后使用M进行一些非常快速的操作。

这是电话：

[T, residual]   = fmincon(@fun, init_x_params, [], [], [], [], [], [], @confuneq, options2);

我意识到我的优化函数fun的瓶颈实际上是向量x的副本到M的对角线，而不是我之后用{{1}做的实际操作}}。请注意，我使用索引M的向量进行逻辑索引以智能方式更新对角线，我相信它不能更快地完成。

这是优化函数，它位于main函数的范围内，因此可以访问indices。

我尝试通过将整个function final_error = fun(x) % Updates M, this is the bottleneck!! M(indices) = x(:); % DO STUFF WITH M, it's fast! end作为要优化的向量来解决瓶颈，但当然问题是我无法传递整个矩阵M，因为它是太大了（传递所有矩阵并没有意义，因为我只更新对角线）。

有没有办法直接将M的对角线传递给优化函数？或以某种方式传递整个M，但以某种方式指定我只想最小化其对角线？理想情况下，我想要使用像“＆＃39;引用”这样的内容。以M的对角线作为优化的向量，但我认为这在MATLAB中是不可能的。

Answer 1

我找到的最快方法如下：

%Generate an Identity vector of the same size as M (I hope M is a square matrix). You can define it earlier if it is being used multiple times.
ident_M = logical(eye(size(M, 1)));
%Change diagonal elements using logical indexing
M(ident_M) = x;

对于10000 x 10000矩阵，我花了大约0.11秒

Answer 2

将M声明为全局变量，然后与所有内容共享，

global M

Declare variables as global

MATLAB fmincon接收的矢量太大

2 个答案: