当求职者失败时
太多的迭代或函数评估
求解器停止了，因为在将目标最小化到要求的公差之前，它达到了迭代或函数计算的数量的限制。要继续，请尝试下面的一个或多个。
| 1.启用迭代显示 |
| 2.放松容忍度 |
| 3.从不同点开始求解器 |
| 4.检查目标和约束函数定义 |
| 5.中心并缩放您的问题 |
| 6.提供梯度或雅可比 |
| 7.提供黑森 |
1.启用迭代显示
设置显示选择“通路”。此设置显示求解器迭代的结果。
在MATLAB启用迭代显示®命令行输入
选择= optimoptions ('solvername.”、“显示”、“iter”);
调用求解器选项结构。
有关迭代显示的示例，请参见解释结果。
在迭代显示中寻找什么
看看目标函数(
fval.或者f (x)或者Resnorm）减少。减少显示进展。检查约束违规（
最大限制）确保它减少到0。减少显示进展。看看一阶的最优性是否降低
0。减少显示进展。看看是否
信任区域半径减少到一个小值。这减少表明目标可能不顺利。
要做什么
如果解决者似乎在进步:
集
MaxIterations和/或MaxFunctionEvaluations值大于默认值。您可以在Solver函数参考页中看到选项表中的默认值。从最后一个计算点开始求解器。
如果求解器未进展，请尝试其他列出的建议。
2.放松容忍度
如果StepTolerance或者OptimalityTolerance例如，太小，求解器可能无法识别它何时达到最小值;它可以无限期地制造徒劳的迭代。
要在命令行更改公差，请使用optimoptions如上所述设置和更改选项。
的finitedifferencestepsize.选择(或diffmaxchange.和差异选项）可能会影响求解器的进度。这些选项控制有限差异的步长，以实现衍生估计。
3.从不同点开始求解器
看到改变初始点。
4.检查目标和约束函数定义
例如，检查您的目标和非线性约束函数在某些点返回的值是否正确。看到检查您的客观和约束函数。检查一个不可行的点不会在功能中引起错误;看迭代可以违反限制。
5.中心并缩放您的问题
当每个坐标对目标和约束函数的效果大致相同的效果时，求解器更可靠地运行。使用适当的标量乘以坐标方向来均衡每个坐标的效果。将适当的值添加到某些坐标以均衡其大小。
示例：居中和缩放。考虑最小化1 e6 * x (1) ^ 2 + 1 e-6 * x (2) ^ 2:
F = @(x) 10^6*x(1)^2 + 10^-6*x(2)^2;
最小化f使用fminunc'quasi-newton'算法：
选择= optimoptions(“fminunc”,“显示”,“没有”,“算法”,“拟牛顿”);X = fminunc(f，[0.5;0.5]，opts) X = 0 0.5000
结果不正确;结垢不佳妨碍得到良好的溶液。
问题的严重程度。集
D =诊断接头([1 e - 3, 1 e3]);fr = @(y) f(D*y);Y = fminunc(fr， [0.5;0.5]， opts
同样，定心不好也会影响解决方案。
Fc = @（z）fr（[z（1）-1e6; z（2）+ 1e6]）;百分比差z = fminunc（fc，[。5 .5]，opts）z = 1.0e + 005 * 10.0000 -10.0000％看起来很好，但... z - [1e6 -1e6]％检查如何关闭z1E6 ANS = -0.0071 0.0078％显示距离FCC = @（w）Fc（[W（1）+ 1e6; w（2）-1e6]）;％居中w = fminunc（fcc，[。5 .5]，opts）w = 0 0％正确答案
6.提供梯度或雅可比
如果您不提供渐变或雅克比亚人，则通过有限差异提供索引估计梯度和雅典人。因此，提供这些衍生品可以节省计算时间，并且可以提高准确性。基于问题的方法可以自动提供渐变;看优化工具箱中的自动区分。
对于受限制的问题，提供梯度具有另一个优点。求解器可以达到一个点x这样x是可行的，但有限的差异x总是导致一个不可行的点。在这种情况下，求解器可以过早地失败或停止。提供梯度允许求解器进行。
在文件中为目标函数和非线性约束函数提供梯度或雅可比矩阵。详细的语法请参见写标量目标函数,写矢量和矩阵目标功能， 和非线性约束。
要检查渐变或雅各比函数是否正确，请使用CheckGradients选项，如检验梯度或雅可比矩阵的有效性。
如果您有符号数学工具箱™许可证，则可以以编程方式计算渐变和Hessians。例如，请参见计算梯度和黑森使用符号数学工具箱™。
例如，使用渐变和雅可比人，看看用梯度和黑森州的最小化,具有梯度的非线性约束,计算梯度和黑森使用符号数学工具箱™,解决非线性系统，没有和包括雅可比， 和具有雅可比矩阵的大型稀疏非线性方程组。有关基于问题的方法中的自动区分，请参见自动微分在问题优化中的作用。
7.提供黑森
求解器经常在供应黑森州时更可靠地运行并且较少的迭代。
以下求解器和算法接受Hessians：
fmincon内部点。将黑森州作为单独的功能写作。例如，请参见与分析幽灵的粉刺内部点算法。fmincon信任区域反光。让Hessian作为目标函数的第三产量。例如，请参见用稠密结构黑森，线性等式最小化。fminunc信任地区。让Hessian作为目标函数的第三产量。例如，请参见用梯度和黑森州的最小化。
如果您有一个符号数学工具箱许可，您可以以编程的方式计算梯度和Hessians。例如，请参见计算梯度和黑森使用符号数学工具箱™。在基于问题的方法中提供Hessian，见基于问题的工作流程的供应衍生品。
融合到一个不可行的点
通常，你会得到这个结果，因为求解器无法找到一个点，满足所有的约束ConstraintTolerance宽容。然而，求解器可能已经在可行的点处找到或开始，并融合到不可行的点。如果求解器损失可行性，请参阅解决了可行性。如果Quadprog.返回此结果，请参阅Quadprog收敛到一个不可行的点
要在求解器发现不可行的点时，请尝试以下一项或多项。
| 1.检查线性约束 |
| 2.检查非线性约束 |
1.检查线性约束
尝试通过解决线性规划问题找到满足界限和线性约束的点。
使用始终为零的目标函数定义线性编程问题：
f =零（尺寸（x0））;％假设X0是初始点
求解线性规划问题，看是否存在可行点:
Xnew = Linprog（F，A，B，AEQ，BEQ，LB，UB）;
如果有可行的点
xnew， 用xnew作为初始点，重新运行原来的问题。如果没有可行点，那你的问题就没有很好的表述。检查界限和线性约束的定义。关于检查线性约束的详细信息请参见调查线性浸渍。
2.检查非线性约束
在确保您的界限和线性约束是可行的（包含满足所有约束的点）后，请检查非线性约束。
将您的目标函数设置为零：
@（x）0
使用所有约束和零目标运行优化。如果你发现一个可行的点
xnew,设置x0 = xnew.并重新运行你的原始问题。如果使用零目标函数没有找到可行的点，请使用具有几个初始点的零目标函数。
如果你发现一个可行的点
xnew,设置x0 = xnew.并重新运行你的原始问题。如果您没有找到可行的点，请尝试放松约束，接下来讨论。
尝试放松您的非线性不等式约束，然后收紧它们。
更改非线性约束函数
c返回c -Δ，其中δ是正数。这种变化使得您的非线性约束更容易满足。使用原始目标函数或零目标函数寻找新约束函数的可行点。
如果你发现一个可行的点，
减少δ.
寻找新的约束函数的可行点，从先前找到的点开始。
如果你没有找到一个可行的点，试着增加Δ，然后再找。
如果你发现没有可行点，你的问题可能是真正不可行的，这意味着不存在解决方案。再次检查所有约束定义。
解决了可行性
如果求解器开始在可行的点，但融合到不可行点，则尝试以下技术。
尝试不同的算法。的
fmincon'SQP'和'内点'算法通常是最强大的，所以首先尝试一个或两个。收紧。给最高的
磅和最低乌兰巴托你可以的向量。这可以帮助求解器保持可行性。的fmincon'SQP'和'内点'算法在每次迭代时都遵守界限，因此严格的界限有助于整个优化过程。
Quadprog.收敛到一个不可行的点
通常，你得到这个消息是因为线性约束是不一致的，或者几乎是奇异的。为了检验可行点是否存在，创建一个具有相同约束和零目标函数向量的线性规划问题f。解决使用linprog.'双重simplex'算法：
选项= Optimoptions（“linprog”,'算法','双重simplex'）;X = Linprog（F，A，B，AEQ，BEQ，LB，UB，选项）
如果linprog.发现没有可行的点，那么你的问题真的是不可行的。
如果linprog.找到一个可行的点，然后尝试不同Quadprog.算法。或者，改变一些容差，例如StepTolerance或者ConstraintTolerance并再次解决问题。
问题的
求解器达到一个目标函数小于目标极限公差的点。
FSOLVE无法解决等式
FSOLVE.可能会因为各种原因无法解出一个方程。以下是如何进行的一些建议:
尝试改变初始点。
FSOLVE.依赖于初始点。通过给予不同的初始点，您可以增加成功的机会。检查方程的定义以确保它是光滑的。
FSOLVE.可能无法为具有不连续梯度的方程式收敛，例如绝对值。FSOLVE.对于不连续的函数不能收敛。检查等式是“方形”，这意味着输入和输出的等于尺寸（具有与等式的值相同的未知数）。
尤其是易换公差
OptimalityTolerance和StepTolerance。如果你试图通过将公差设置为非常小的值来获得高精度，FSOLVE.不能收敛。如果您设置过高的公差，FSOLVE.不能准确地解出方程。检查问题定义。有些问题没有真正的解决方案，例如
x ^ 2 + 1 = 0。
相关话题
您还可以从以下列表中选择一个网站：
