Un code simple d'optimisation

Bonjour à tous,

Je cherche un code simple d'optimisation.
J'ai développé un code et j'aimerai l'utiliser comme boite noir pour optimiser mes tests que je faisais jusque là à la main. Ce code d'optimisation n'est qu'un bonus dans mon contexte donc je ne recherche pas quelques choses de raffiner ou d'incroyablement avancé, précis. J'aimerai juste un code matlab simple dans lequel je peux introduire ma "black box".

La boite noir : un vecteur de 100 inconnues à optimiser avec pour chacune d'entre elles un domaine de variation entre 0 et 1 et en sortie un vecteur de dimension 100 à comparer avec un vecteur de dimension 100 de référence.

Si vous pouviez m'indiquer sur le net ou dans Matlab un code simple que je pourrai utiliser pour rapidement et simplement connecter mon modèle décrit plus haut.

Merci.

Dje.

salut

les fonctions qui vont bien pour ce genre de problème :
lsqcurvefit, lsqnonlin, fminbnd, fmincon

elles appartiennent toutes à optimization toolbox
si tu ne l'as pas, tu peux trouver des fonctions d'optimisation toutes faites dans matlab central (par exemple un algo PSO)

Ok merci le fab, je reviendrai peut-être ici pour demander conseil pour le setup.

Je n'ai pas eut le temps de connecter les autres options, mais on m'a parlé de fminsearch qui dans mon cas pour être rapide à utiliser, mais sur la documentation je ne vois pas clairement si mon problème à 100 dimensions fonctionne avec fminsearch. Je ne comprends pas comment me servir de fminsearch en plus grande dimension ..
Si vous pouviez m'éclairer au vu de cette page: https://www.mathworks.com/help/matla...minsearch.html

Citation:

---

Envoyé par DJEcalcul

mais sur la documentation je ne vois pas clairement si mon problème à 100 dimensions fonctionne avec fminsearch. Je ne comprends pas comment me servir de fminsearch en plus grande dimension ..
[/url]

---

qu'entend tu par là ?
ta fonction dépend de 100 variables ?
ta fonction retourne 100 valeurs ?

dans le cas n°1, le lien que tu a mis te donnes un exemple (à 2 dimensions) : cf Minimize Rosenbrock's Function
dans le cas n°2 (ou hybride 1 et 2), oublies, fminsearch ne sera pas l'affaire : f(x) is a function that returns a scalar, and x is a vector or a matrix. (mais tu peux peut être le ramener à une dimension)

Fabien

Citation:

---

Envoyé par le fab

qu'entend tu par là ?
ta fonction dépend de 100 variables ?
ta fonction retourne 100 valeurs ?

dans le cas n°1, le lien que tu a mis te donnes un exemple (à 2 dimensions) : cf Minimize Rosenbrock's Function
dans le cas n°2 (ou hybride 1 et 2), oublies, fminsearch ne sera pas l'affaire : f(x) is a function that returns a scalar, and x is a vector or a matrix. (mais tu peux peut être le ramener à une dimension)

Fabien

---

J'ai des input de 100 et sortie de 100 aussi.
Merci Fabien, c'est le cas 2.

bein maintenant il faut que tu réfléchisse à ce que tu attend d'une minimisation de 100 éléments ..
tu peux minimiser la somme, la somme des carrés, ...
et là (en te ramenant à un élément) tu peux utiliser fminsearch

En effet, je minimise au sens des moindres carrés, il s'agit donc d'un scalaire en donc je peux utiliser fminsearch.
Je reviendrai .. :D