| 控制选项 |
| Linear equality constraints |
可选的、易于指定的线性等式约束。 |
| Linear inqequality constraints |
可选的、易于指定的线性不等式约束。 |
| Nonlinear equality constraints |
提供计算非线性等式约束的过程的选项。 |
| Nonlinear inqequality constraints |
提供计算非线性不等式约束的过程的选项。 |
| Parameter bounds |
类型的简单参数界限:lower_bd ≤ x_i ≤ upper_bd |
| Feasible test |
控制行搜索过程中是否检查参数的可行性。 |
| Trust radius |
设置信任半径的大小，或者关闭信任区域方法。 |
| Descent algorithms |
BFGS, Modified BFGS, DFP and Newton. |
| Algorithm switching |
根据经过的迭代次数、目标函数的最小变化或线搜索步长，指定要切换的下降算法 |
| Line search method |
Augmented Lagrangian Penalty, STEPBT (quadratic and cubic curve fit), Brent’s method, half-step or Strong Wolfe’s Conditions. |
| Active parameters |
控制哪些参数是活动的(待估计的),哪些参数应该固定为初始值。 |
| Gradient Method |
Either compute an analytical gradient, or have COMT compute a numerical gradient using the forward, central or backwards difference method. |
| Hessian Method |
Either compute an analytical Hessian, or have COMT compute a numerical Hessian using the forward, central or backwards difference method. |
| Gradient check |
将用户提供的函数计算的分析梯度与数值梯度进行比较，以检查分析梯度的正确性。 |
| Random seed |
随机线搜索方法使用的起始种子值，以允许可重复的代码。 |
| Print output |
控制是否打印迭代输出(或打印频率)以及是否打印最终报告。 |
| Gradient step |
高级功能:控制用于计算数值一阶和二阶导数的步长的增量大小。 |
| Random search radius |
尝试随机搜索时的半径。 |
| Maximum iterations |
收敛的最大迭代次数。 |
| Maximum elapsed time |
收敛的最大分钟数。 |
| Maximum random search attempts |
随机行搜索尝试的最大允许次数。 |
| Convergence tolerance |
当方向向量的变化小于这个量时，就实现了收敛。 |
400-621-1085
