问题由优化工具箱函数- MATLAB和Simulink MathWorks澳大利亚金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

处理的问题优化工具箱功能

下面的表显示可用的函数极小化,多目标优化,方程求解,解决最小二乘(model-fitting)问题。

最小化问题

类型	配方	解算器
标量最小化	$\underset{x}{最小值} f (x)$ 这样磅<x<乌兰巴托(x标量)	`fminbnd`
无约束极小化	$\underset{x}{最小值} f (x)$	`fminunc`, `fminsearch`
线性规划	$\underset{x}{最小值} f^{T} x$ 这样·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`linprog`
整数线性规划	$\underset{x}{最小值} f^{T} x$ 这样·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托,x(intcon)是整数值	`intlinprog`
二次规划	$\underset{x}{最小值} \frac{1}{2} x^{T} H x + c^{T} x$ 这样·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`quadprog`
锥编程	$\underset{x}{最小值} f^{T} x$ 这样 $为一个 \cdot x - b 为 \leq d^{T} \cdot x - γ$ ,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`coneprog`
约束极小化	$\underset{x}{最小值} f (x)$ 这样c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`fmincon`
半无限最小化	$\underset{x}{最小值} f (x)$ 这样K(x,w)≤0w,c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`fseminf`

多目标优化问题

类型配方解算器

类型	配方	解算器
目标达到情况	$\underset{x, γ}{最小值} γ$ 这样F(x)- - -w·γ≤目标,c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`fgoalattain`
极大极小	$\underset{x}{最小值} \underset{我}{马克斯} F_{我} (x)$ 这样c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`fminimax`

目标达到情况

$\underset{x, γ}{最小值} γ$

这样F(x)- - -w·γ≤目标,c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托

极大极小

$\underset{x}{最小值} \underset{我}{马克斯} F_{我} (x)$

这样c(x)≤0,量表信(x)= 0,·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托

方程解决问题

最小二乘(Model-Fitting)问题

类型	配方	解算器
线性最小二乘	$\underset{x}{最小值} \frac{1}{2} {为 C \cdot x - d 为}_{2}^{2}$ 米方程,n变量	`mldivide`(矩阵左部)
非负线性最小二乘	$\underset{x}{最小值} \frac{1}{2} {为 C \cdot x - d 为}_{2}^{2}$ 这样x≥0	`lsqnonneg`
约束线性最小二乘	$\underset{x}{最小值} \frac{1}{2} {为 C \cdot x - d 为}_{2}^{2}$ 这样·x≤b,Aeq·x=说真的,磅≤x≤乌兰巴托	`lsqlin`
非线性最小二乘	$\underset{x}{最小值} {为 F (x) 为}_{2}^{2} = \underset{x}{最小值} \sum_{我} F_{我}^{2} (x)$ 这样磅≤x≤乌兰巴托	`lsqnonlin`
非线性曲线拟合	$\underset{x}{最小值} {为 F (x, x d 一个 t 一个) - y d 一个 t 一个为}_{2}^{2}$ 这样磅≤x≤乌兰巴托	`lsqcurvefit`