基于求解器的非线性优化

利用基于求解器的方法在串行或并行中解决非线性最小化和半无限规划问题

在开始解决优化问题之前，必须选择适当的方法:基于问题的方法或基于求解器的方法。详细信息请参见首先选择基于问题或基于解决方案的方法．

功能

`fminbnd`	求固定区间上单变量函数的最小值
`fmincon`	求约束非线性多变量函数的最小值
`fminsearch`	用无导数法求无约束多元函数的最小值
`fminunc`	求无约束多变量函数的最小值
`fseminf`	求半无限约束多变量非线性函数的最小值
`optim.coder.infbound`	无限绑定支持代码生成金宝app

实时编辑任务

优化	在实时编辑器中优化或解决方程

主题

不受约束的基于求解器的应用程序

香蕉函数最小化
演示如何使用不同的求解器(有或没有梯度)求解Rosenbrock函数的最小值。
求解多变量非线性问题
对于较大的非线性问题，选择适当的选项。
使用fminunc的无约束最小化
无约束非线性规划的例子。
最小化与梯度和黑森
包含导数的无约束非线性规划的例子。
梯度最小化与黑森稀疏模式
使用一些导数信息的非线性规划的例子。

基于约束求解器的应用程序

优化工具箱教程
演示如何解决非线性问题和传递额外参数的教程示例。
用fmincon求解器优化实时编辑器任务
使用优化实时编辑器任务的约束的非线性编程示例。
非线性不等式约束
带非线性不等式约束的非线性规划示例。
带有梯度的非线性约束
含导数信息的非线性规划示例。
fmincon内点算法与解析Hessian
一个包含所有导数信息的非线性规划的例子。
带有二次约束的线性或二次目标
这个例子展示了如何解决具有线性或二次目标和二次不等式约束的优化问题。
非线性不等式与不等式约束
有两种非线性约束的非线性规划。
如何使用所有类型的约束
显示所有约束的示例。
获得最佳可行点
求的最佳可行点输出结构。
求解多变量非线性问题
对于较大的非线性问题，选择适当的选项。
带约束和带预处理最小化
实例显示效率增益可能与结构化非线性问题。
线性等式约束下的极小化，信赖域反射算法
示例显示只有线性等式约束的非线性规划。
密结构黑森最小化，线性等式
这个例子展示了如何在非线性编程中用结构化的黑森函数和只有线性等式约束或只有边界来节省内存。
计算梯度和黑森使用符号数学工具箱
这个例子展示了如何为优化求解器象征性地计算导数。
使用符号数学与优化工具箱求解器
使用符号数学工具箱™生成梯度和黑森。

代码生成

在fmincon后台生成代码
生成非线性优化C代码的先决条件。
优化基础代码生成
学习代码生成的基础知识fmincon优化求解。
fmincon代码生成的静态内存分配
当问题发生变化时，在代码生成中使用静态内存分配。
实时应用程序的优化代码生成
探索在生成的代码中处理实时需求的技术。

半无限约束

一维半无限约束
这个例子展示了如何在非线性规划中使用一维半无限约束。
二维半无限约束
演示如何在非线性规划中使用二维半无限约束的示例。
利用半无限规划分析不确定性的影响
这个例子展示了如何使用半无限规划来研究一个优化问题的模型参数的不确定性的影响。

并行计算

什么是优化工具箱中的并行计算?
使用多个处理器进行优化。
在优化工具箱中使用并行计算
并行执行梯度估计。
利用并行计算提高性能
调查加速优化的因素。
利用并行计算工具箱最小化一个昂贵的优化问题
演示如何在两者中使用并行计算的示例全局优化工具箱和优化工具箱™求解器。

模拟或ODE

优化一个模拟或常微分方程
优化模拟、黑盒目标函数或ode时的特殊考虑。

算法和其他理论

无约束非线性优化算法
最小化单个目标函数n没有约束的维度。
约束非线性优化算法
最小化单个目标函数n具有各种类型约束的维度。
fminsearch算法
的步骤fminsearch参数来最小化函数。
优化选项参考
探索优化选项。
局部优化与全局优化
解释了为什么解算器可能找不到最小值。
非光滑函数的光滑公式
利用辅助变量将一些非光滑函数重新表述为光滑函数。
参考书目
列出支持在求解器算法中实现的概念的已发布材料。金宝app