主要内容
优化基础的代码生成
生成代码Fmincon
此示例显示了如何生成代码Fmincon优化求解器。代码生成需要一个MATLAB®CODER™执照。有关代码生成要求的详细信息，请参见Fmincon背景中的代码生成。
该示例使用以下简单的目标函数。要在您自己的测试中使用此目标函数，请将代码复制到名称的文件Rosenbrockwithgrad.m。将文件保存在MATLAB路径上。
功能[f，g] = rosenbrockwithgrad（x）％计算目标ff = 100*（x（2）-x（1）^2）^2 +（1 -x（1））^2;如果nargout> 1需要梯度％g = [-400*（x（2）-x（1）^2）*x（1）-2*（1- x（1））;200*（x（2）-x（1）^2）];结尾
使用Rosenbrockwithgrad目标函数，创建一个名称的文件test_rosen.m包含此代码：
功能[x，fval] = test_rosen opts = optimoptions（'fmincon'，，，，'算法'，，，，'SQP'）；[x fval] = fmincon（@RosenBrockwithGrad，[ - 1,1]，[]，[]，[]，[]，[]，[ - 3，-3]，[3,3]，[3,3]，[]，[]，opts）
生成代码test_rosen文件。
代码根-Config：Mextest_rosen
一段时间后，代码根创建一个名称的MEX文件test_rosen_mex.mexw64（根据您的系统，文件扩展名将有所不同）。您可以通过输入来运行生成的C代码test_rosen_mex。结果如下或类似：
x = 1.0000 1.0000 fval = 1.3346e-11 ans = 1.0000 1.0000
修改效率示例
遵循一些建议实时应用程序的优化代码生成，设置生成代码的配置以减少检查并使用静态内存分配。
cfg = coder.config（'Mex'）；cfg.integritychecks = false;cfg.saturateonintegeroverflow = false;cfg.dynamicmemoryallocation ='离开';
收集问题的界限[-3,3]至[-2,2]。另外，设置比默认值宽松的最优性公差1E-6。
功能[x，fval] = test_rosen2 opts = optimoptions（'fmincon'，，，，'算法'，，，，'SQP'，，，，...“最佳耐受性”，1E-5）;[x fval eflag output] = fmincon（@RosenBrockWithGrad，[ - 1,1]，[]，[]，[]，[]，[]，[]，，，，，...[-2，-2]，[2,2]，[]，opts）
生成代码test_rosen2文件。
代码根-configCFGtest_rosen2
运行结果代码。
test_rosen2_mex
x = 1.0000 1.0000 fval = 2.0057e-11 eflag = 2输出=带字段的结构：迭代：40 funccount：155算法：'sqp'约束：0步骤：5.9344e-08 lssteplength：1 ans = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
该解决方案几乎与以前的解决方案一样好，FVAL输出2e-11与以前相比1E-11。
尝试将允许迭代的数量限制为先前计算中采用的迭代次数的一半。
功能[x，fval] = test_rosen3 options = optimoptions（'fmincon'，，，，'算法'，，，，'SQP'，，，，...“最大”，20）;[x fval eflag output] = fmincon（@RosenBrockWithGrad，[ - 1,1]，[]，[]，[]，[]，[]，[]，，，，，...[-2，-2]，[2,2]，[]，选项）
跑test_rosen3在Matlab。
test_rosen3
x = 0.2852 0.0716 fval = 0.5204 eflag = 0输出=带有字段的结构：迭代：20 funccount：91算法：'sqp'消息：'solver tregaturaly stoped streated.ichfmincon停止了。= 2.000000E+01.Chorm'约束：0步骤：0.0225 lssteplength：1 FirstOrderOpt：1.9504 ANS = 0.2852 0.0716
由于这种严重的迭代限制，Fmincon没有达到好的解决方案。准确性和速度之间的权衡很难管理。
为了节省功能评估并可能提高准确性，请通过设置示例的内置衍生物指定目标gradient选项真的。
功能[x，fval] = test_rosen44 options = optimoptions（'fmincon'，，，，'算法'，，，，'SQP'，，，，...“指定目标gradient”，真的）;[x fval eflag output] = fmincon（@RosenBrockWithGrad，[ - 1,1]，[]，[]，[]，[]，[]，[]，，，，，...[-2，-2]，[2,2]，[]，选项）
生成代码test_rosen4使用与test_rosen2。
代码根-configCFGtest_rosen4
运行结果代码。
test_rosen4_mex
x = 1.0000 1.0000 fval = 3.3610e-20 eflag = 2输出=带字段的结构：迭代：40 funccount：113算法：'sqp'限制：0步骤：0步骤：9.6356e-08 lssteplength：1 ans = 1.0000 1.0000 1.0000 1.0000 1.0000。
相比test_rosen2，迭代次数在40时相同，但功能评估的数量较低。113代替155。结果具有更好的（较低）的目标函数值3E-20相比2e-11。
也可以看看
相关话题
