24小时热门版块排行榜

返回列表

瓦兹河畔之夜

木虫 (正式写手)

应助: 1 (幼儿园)
金币: 2097.2
散金: 33
红花: 4
帖子: 491
在线: 185.2小时
虫号: 2543761
注册: 2013-07-12
性别: GG
专业: 机械动力学

[求助] 由于目标函数值本来就很小造成的无法最优化问题已有2人参与

各位前辈好，最进求一个最优化（拟合）问题时遇到的问题。
目标函数是理想值和实际数学模型之差，但由于本身实际值就不超过1，实际值也是1以下的（因为是拟合累计分布函数），所以造成了目标函数值本身很小，不能很好地拟合数学模型。
不管给出什么初值，如果用最小二乘的方法，lsqnonlin函数就会在初值点找到最小值，原因是满足了函数误差的要求。如果用遗传算法，因为目标函数值本身很小的问题，也无法得到理想的结果。而且收敛原因也是满足了函数误差的要求。
请问这类问题怎么解决，如何得到真正的最小值？
谢谢，祝春节愉快！

贴上function
function f=modifiedweibull(x)
alpha=x(1);
beta=x(2);
lambda=x(3);
p=[0.91 1.05 1.26 1.67 1.96 2.23 2.16 2.75]*0.01;
n=[2 2 2 2 3 3 3 3];
t=[800 1000 1200 1500 1750 2000 2150 2300];

omega=n.*t./sum(n.*t);
omega=sqrt(omega);
f=sqrt(2)*omega.*(1-exp(-alpha*t.^beta.*exp(lambda.*t))-p);
f=sum(f);%这个是为了遗传算法的，如果是最小二乘就没有这句

优化参数的下界是[0 1 0]

回复此楼