我想做這個「手工」,而不是使用曲面擬合工具,因爲根據我有的數據,曲面擬合可能會有所不同。所以,我首先讀取Excel表格中的數據,然後初始化一些係數,計算一個3D表面(f(x,y)),然後計算總最小平方和,我希望將其最小化。每次我運行該腳本時,它都會告訴我我處於本地最小值,即使我更改了初始值。改變容差也不會影響結果。從最基本的原則最小二乘曲面擬合
這是代碼:
% flow function in a separate .m file (approximation, it’s a negative paraboloid, maybe if required, this function may vary):
function Q = flow(P1,P2,a,b,c,d,e,f)
Q1 = a-b.*P1-c.*P1.^2;
Q2 = d-e.*P2-f.*P2.^2;
Q = Q1 + Q2;
% Variable read, I use a xlsread instead
p1a = [-5, -5, -5, -5, -5, -5, -5, -5, -5, -5];
p2a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9];
qa = [10, 9, 8, 7, 6, 5, 4, 3, 2, 1];
p1b = [-6, -6, -6, -6, -6, -6, -6, -6, -6, -6];
p2b = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9];
qb = [12, 11, 10, 9, 8, 7, 6, 5, 4, 3];
% Variable initialization
coef = [50, 1, 1, 10, 1, 1];
% Function calculation
q1a = flow(p1a,p2a,coef(1),coef(2),coef(3),coef(4),coef(5),coef(6));
q1b = flow(p1b,p2b,coef(1),coef(2),coef(3),coef(4),coef(5),coef(6));
% Least squares
LQa = (qa-q1a).^2;
LQb = (qb-q1b).^2;
Sa = sum(LQa);
Sb = sum(LQb);
St = Sa+Sb;
% Optimization (minimize the least squares sum)
func = @(coef)(St);
init = coef;
opt = optimoptions('fminunc', 'Algorithm', 'quasi-newton', 'Display', 'iter','TolX', 1e-35, 'TolFun', 1e-30);
[coefmin, Stmin] = fminunc(func, init, opt);
如果你運行它,你應該得到的結果爲Stmin
,但如果你改變的係數,你會得到另一種結果,而這也將是視爲當地最低標準。
我在做什麼錯?
所以你說當你改變初始值時你正在碰到不同的局部最小值?這聽起來很正常......一種解決方法是用一些不同的初始值向量播種,然後選擇性能最佳的播放器(多啓動策略) – Dan
感謝您的回答。對我知道那個。問題是,第一次迭代顯示我最低限度,這不正確。而且我也知道,在6個自由度中,我可以有一組無窮的結果(局部最小值),以及另一個無限的全局最小值結果集。我不在乎每個係數的值是什麼(我沒有限制),我只需要一個全局最優(一個),這將允許我(和任何想要使用此代碼的人)更好地適合我的實驗點多項式二次表達式。 – Lifehaxor
好吧,我現在看到了,你的問題並不清楚。問題在於你如何定義'func'。我發佈了一個答案,顯示它應該如何。 – Dan