matlab - 最小化具有大向量变量的函数的最佳方法？

Question

我正在尝试最小化作为 1x25 向量 (weights_vector) 函数的函数。换句话说，我试图在向量中找到使函数最小化的值。

函数定义为:

    function weights_correct = Moo(weights_vector)

    corr_matrix = evalin('base', 'corr_matrix');
    tolerance = evalin('base', 'tolerance');
    returns = evalin('base', 'returns');

    weights_correct = weights_vector'*corr_matrix*weights_vector - tolerance*returns'*weights_vector; 

    end       

在这个函数上，我调用:

    weights_correct = fminsearch(@Moo, weights_vector);

迭代直到我看到错误

    "Exiting: Maximum number of function evaluations has been exceeded
         - increase MaxFunEvals option."

这让我相信我没有正确地最小化。怎么回事？

Answer 1

在这里使用 evalin 很愚蠢。多次调用 evalin 将无缘无故地低效。如果您努力学习将 evalin 用于错误的目的，请努力学习如何使用函数句柄。

您甚至不需要定义 m 文件，尽管您可以这样做。一个简单的函数句柄就足够了。

Moo = @(w_v) w_v'*corr_matrix*w_v-tolerance*returns'*w_v;

然后调用更好的优化器。在 25 个变量的问题上使用 fminsearch 是疯狂的。如果您经常进行优化，那么优化工具箱是值得投资的。

weights_correct = fminunc(@Moo, weights_vector);

或者，您可以在一行中完成所有操作。

weights_correct = fminunc(@(w_v) w_v'*corr_matrix*w_v-tolerance*returns'*w_v, weights_vector);

请注意，当您在此处创建函数句柄时，MATLAB 会传入这些数组的值。

最后，max function evals 的问题是您正在做的事情的症状。对于 fminsearch，25 个变量在任何合理的时间内都无法期望收敛。您当然可以更改限制，但最好是一开始就使用正确的工具。