fminunc AiR2018

Td = 0.1;
init = [tutajTrzeba,daćJakieś,wartościZDupyOdKtórychZacznieOptymalizację];
options = optimoptions('fminunc', ...
'FinDiffRelStep',[dupa,dupa,dupa], ... %dostosujcie sobie progi o jakie zwiększa/zmniejsza parametry optymalizator, wpływa na ilość iteracji
'Algorithm','quasi-newton', ... %quasi-newton bo nie mamy gradientu
'Diagnostics','on', ...
'PlotFcns',@optimplotfval, ...
'TolFun',0.001, ... %dosyć ważne, zależnie od tego znajduje optimum lub nie
'MaxFunEvals',1000); %yolo, na biednego nie trafiło
[x,min] = fminunc(@optim,init,options);

function res = optim( param ) %najważniejsze, żeby optim przyjmowało interesujące parametry i zwracała skalar, który będzie optymalizowany
    kp = param(1);
    ki = param(2);
    kd = param(3);
    assignin('base','kp',kp); %tutaj ustawiamy zmienne globalne w workspace
    assignin('base','ki',ki);
    assignin('base','kd',kd);
    sim('model'); %odpalamy simulinka
    res = I.data(end); %ostatnia wartość wskaźnika optymalności zwróconego z simulinka
end