SimBiology中支持的参数估计方法
SimBiology®支持对最小二乘和混合效应估计问题的各种优化方法。根据优化方法的不同,您可以指定估计参数的参数边界以及响应特定的错误模型,即每个响应变量的错误模型。下表总结了SimBiology中支持的优化方法、拟合选项以及除MATLAB外所需的相应工具箱®和SimBiology。
方法 | 所需额外的工具箱 | 支持参数范围 | 使用参数敏感性__ | Response-specific误差模型 | 固定或混合效果 | 支持随机EM算法 | SimBiology函数的使用 |
---|---|---|---|---|---|---|---|
fminsearch |
- - - - - - | 是的* | 没有 | 是的 | 固定 | 没有 | sbiofit 或fitproblem |
scattersearch | - - - - - - | 是的 | 取决于所选的本地求解器。 | 取决于所选的本地求解器。 | 固定 | 没有 | |
nlinfit (统计和机器学习工具箱) |
统计和机器学习工具箱™ | 是的* | 没有 | 没有 | 固定 | 没有 | |
fminunc (优化工具箱) |
优化工具箱™ | 是的* | 是的 | 是的 | 固定 | 没有 | |
fmincon (优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
lsqcurvefit (优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
lsqnonlin (优化工具箱) |
优化工具箱 | 是的 | 是的 | 是的 | 固定 | 没有 | |
patternsearch (全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
遗传算法 (全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
particleswarm (全局优化工具箱) |
全局优化工具箱 | 是的 | 没有 | 是的 | 固定 | 没有 | |
nlmefit (统计和机器学习工具箱) |
统计和机器学习工具箱 | 没有 | 没有 | 没有 | 混合 | 没有 | sbiofitmixed 或fitproblem |
nlmefitsa (统计和机器学习工具箱) |
统计和机器学习工具箱 | 没有 | 没有 | 没有 | 混合 | 是的 |
__这一列表示算法是否允许使用参数敏感性来确定目标函数的梯度。
*当使用fminsearch
,nlinfit
,或fminunc
有了边界,目标函数就会返回正
如果超出了界限。当您打开选项,例如FunValCheck
,如果在估计过程中超出边界,优化可能会出错。如果使用nlinfit
,它可能会报告关于雅可比矩阵条件不良或无法估计最终结果是否太接近边界的警告。