我想做这个“手工”,而不是使用曲面拟合工具,因为根据我有的数据,曲面拟合可能会有所不同。所以,我首先读取Excel表格中的数据,然后初始化一些系数,计算一个3D表面(f(x,y)),然后计算总最小平方和,我希望将其最小化。每次我运行该脚本时,它都会告诉我我处于本地最小值,即使我更改了初始值。改变容差也不会影响结果。从最基本的原则最小二乘曲面拟合
这是代码:
% 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);
如果你运行它,你应该得到的结果为Stmin
,但如果你改变的系数,你会得到另一种结果,而这也将是视为当地最低标准。
我在做什么错?
所以你说当你改变初始值时你正在碰到不同的局部最小值?这听起来很正常......一种解决方法是用一些不同的初始值向量播种,然后选择性能最佳的播放器(多启动策略) – Dan
感谢您的回答。对我知道那个。问题是,第一次迭代显示我最低限度,这不正确。而且我也知道,在6个自由度中,我可以有一组无穷的结果(局部最小值),以及另一个无限的全局最小值结果集。我不在乎每个系数的值是什么(我没有限制),我只需要一个全局最优(一个),这将允许我(和任何想要使用此代码的人)更好地适合我的实验点多项式二次表达式。 – Lifehaxor
好吧,我现在看到了,你的问题并不清楚。问题在于你如何定义'func'。我发布了一个答案,显示它应该如何。 – Dan