在MATLAB中条件选择所有可能的参数组合

Posted 2021-03-27

这是All possible combinations of many parameters MATLAB问题的后续行动

除了我的参数集的所有可能组合，我还有一个条件参数。例如，我只需要在参数'corrAs'设置为'objective'时包含名为'lambda'的参数。

要做到这一点，现在我正在做以下事情

%% All posible parameters
params.corrAs = {'objective', 'constraint'};
params.size = {'small', 'medium', 'large'};
params.density = {'uniform', 'non-uniform'};
params.k = {3,4,5,6};
params.constraintP = {'identity', 'none'};
params.Npoints_perJ = {2, 3};
params.sampling = {'hks', 'fps'};  

% If corrAs is 'objective', then also set lambda
params.lambda = {0.01, 0.1, 1, 10, 100};

%%%%%%%%%%%%% The solution posted on the link %%%%%%%%%%%
%% Get current parameter and evaluate
fields = fieldnames(params);
nFields = numel(fields);
sz = NaN(nFields, 1);

% Loop over all parameters to get sizes
for jj = 1:nFields
    sz(jj) = numel( params.(fields{jj}) );
end

% Loop for every combination of parameters
idx = cell(1,nFields);
for ii = 1:prod(sz)
    % Use ind2sub to switch from a linear index to the combination set
    [idx{:}] = ind2sub( sz, ii );
    % Create currentParam from the combination indices
    currentParam = struct();
    for jj = 1:nFields

        %%%%%%%%%%% My addition for conditional parameter %%%%%%%%%%%
        % lambda is valid only when corrAs is 'objective'
        if isfield(currentParam, 'corrAs') && strcmp(fields{jj}, 'lambda') && ~strcmp(currentParam.corrAs, 'objective')
            continue;
        end
        currentParam.(fields{jj}) = params.(fields{jj}){idx{jj}};
    end

    %% Do something with currentParam

end

它工作但是，主for循环的迭代次数也包括lambda参数，即使corrAs不是'客观'。所以，我最终用相同的currentParam进行多次评估。

我怎样才能更有效率地做到这一点？

答案

考虑这一点的简单方法是将代码分解为更基于功能

在下面的代码中，我只是将组合处理代码放入函数paramProcessing中。这个函数被调用两次 -

1. 当params.corrAs仅为'constraint'时，将处理所有组合，没有lambda字段。
2. 当params.corrAs仅为'objective'时，所有组合将使用额外的lambda字段进行处理。

如果循环中有一个输出，则可以为paramProcessing函数输出。

这意味着您只需要进行所需的组合。从您的问题来看，似乎每个组合都是独立的，因此您在单独的循环中覆盖组合应该是无关紧要的。函数用法意味着您不必在循环中具有新条件，并且每次params.corrAs的不同可能值确保不重叠。

paramProcessing函数可以是主函数文件中的本地函数，如图所示，脚本中的本地函数（对于较新的MATLAB版本），或者在路径中的自己的.m文件中。

码：

function main()
    %% All posible parameters, corrA is 'constraint' only.
    params.corrAs = {'constraint'};
    params.size = {'small', 'medium', 'large'};
    params.density = {'uniform', 'non-uniform'};
    params.k = {3,4,5,6};
    params.constraintP = {'identity', 'none'};
    params.Npoints_perJ = {2, 3};
    params.sampling = {'hks', 'fps'};  

    % First processing call, no 'lambda' field exists in 'params'
    paramProcessing( params );

    % Cover the cases where corrAs is 'objective', with 'lambda' field
    params.corrAs = {'objective'};
    params.lambda = {0.01, 0.1, 1, 10, 100};

    % Second processing call, with new settings
    paramsProcessing( params );    
end
function paramProcessing( params )
    %% Get current parameter and evaluate
    fields = fieldnames(params);
    nFields = numel(fields);
    sz = NaN(nFields, 1);

    % Loop over all parameters to get sizes
    for jj = 1:nFields
        sz(jj) = numel( params.(fields{jj}) );
    end

    % Loop for every combination of parameters
    idx = cell(1,nFields);
    for ii = 1:prod(sz)
        % Use ind2sub to switch from a linear index to the combination set
        [idx{:}] = ind2sub( sz, ii );
        % Create currentParam from the combination indices
        currentParam = struct();
        for jj = 1:nFields
            currentParam.(fields{jj}) = params.(fields{jj}){idx{jj}};
        end

        %% Do something with currentParam

    end
end