fminbnd 또는 fminsearch로 구한 해가 전역 최솟값이 아닙니다. 전역 최솟값은 검색 공간에 있는 모든 점 중에서 가장 작은 목적 함수 값을 가집니다.

문제가 연속적이지 않고 최솟값을 여러 개 가지는 경우라면 해가 전역 최솟값이 아닐 수 있습니다. 전역 최솟값을 검색하려면 여러 개의 시작점(또는 fminbnd의 경우 구간)에서 최적화를 시작하십시오.

일부 점 x에서 목적 함수 f(x)를 계산할 수 없습니다. 이러한 점을 실현불가능점이라고 합니다.

실현불가능점 x에서 f(x)에 대해 큰 양수 값을 반환하도록 함수를 수정하십시오.

최소화 루틴이 무한 루프에 빠지는 것처럼 보이거나 최솟값이 아닌 해(또는 fzero의 경우 영점이 아닌 해)를 반환합니다.

목적 함수가 NaN 값이나 복소수 값을 반환하는 것 같습니다. 솔버는 목적 함수 값으로 실수 값만 예상합니다. 기타 모든 값은 예기치 못한 결과를 초래할 수 있습니다. NaN 값이나 복소수 값이 있는지 확인하려면 다음을 설정하고,

options = optimset('FunValCheck','on')

options를 입력 인수로 사용하여 최적화 함수를 호출하십시오. 목적 함수가 NaN 값이나 복소수 값을 반환하는 경우, 이와 같이 설정하면 솔버가 오류를 발생시킵니다.

솔버를 실행하는 데 시간이 오래 걸립니다.

대부분의 최적화 문제는 시작점이 좋은 경우 이점을 얻습니다. 문제의 특성에 따라, 해에 가까울 수 있는 영역에서 임의 시작점을 사용해 보십시오.

복잡한 문제는 경우에 따라 진화적인 접근 방식을 통해 효과적으로 풀 수 있습니다. 먼저, 독립 변수의 수가 상대적으로 적은 문제부터 풉니다. 이렇게 더 단순한 문제의 해를 적합한 매핑을 거쳐 더 복잡한 문제에 대한 시작점으로 사용합니다. 또한, 경우에 따라 최적화 문제의 초기 단계에 더 간단한 목적 함수와 덜 엄격한 중지 조건을 사용하여 해를 더 빠르게 구할 수도 있습니다.

솔버가 무슨 작업을 하고 있는지 확실하지 않습니다.

솔버가 반복 실행되면서 무슨 작업을 하는지 확인하려면 다음과 같이 하십시오.

fminsearch가 해에 도달하지 못합니다.

fminsearch는 다양한 이유로 인해 해에 도달하지 못할 수 있습니다.