主要内容

回顾或修改优化问题

复习问题运用显示或写

创建优化问题后，可以通过使用显示．对于较大的问题，使用写代替。例如,

Prob =优化问题;x = optimvar('x'，2，'LowerBound'，0);概率。目标= x(1) - 2*x(2);prob.Constraints。con1 = x(1) + 2*x(2) <= 4;prob.Constraints。con2 = -x(1) + x(2) <= 1;显示(概率)
优化问题:求解:x最小化:x(1) - 2*x(2)服从con1: x(1) + 2*x(2) <= 4服从con2: -x(1) + x(2) <= 1变量边界:0 <= x(1) 0 <= x(2)

这个回顾显示了问题的基本元素，比如问题是最小化还是最大化，以及变量的边界。检查显示变量中使用的索引名(如果有的话)。检查不会显示变量是否为整数值。

更改默认解算器或选项

若要尝试改进解决方案或解决速度，请检查并更改默认求解器或选项。

要查看默认解算器和选项，请使用optimoptions(概率)．例如,

rng default x = optimvar('x'，3，'LowerBound'，0);Expr = sum((rand(3,1).*x).^2);prob = optimproblem('Objective'，expr);probo . constraints .lincon = sum(sum(randn(size(x)).*x)) <= randn;选项= optimoptions(prob)
options = lsqlin options:当前算法(' internal -point')使用的选项:(其他可用算法:'trust-region-reflective')设置属性:不设置选项。默认属性:Algorithm: ' internal -point' ConstraintTolerance: 1.0000 -08 Display: 'final' LinearSolver: 'auto' MaxIterations: 200 OptimalityTolerance: 1.0000 -08 StepTolerance: 1.0000 -12显示当前算法(' internal -point')未使用的选项

这个问题的默认解算器是lsqlin，您可以看到默认选项。

若要更改求解器，请设置“规划求解”名称-值对解决．要查看不同求解器的适用选项，请使用optimoptions将当前选项传递给不同的求解器。例如，继续这个问题，

Options = optimoptions('quadprog'， Options)
options = quadprog options:当前算法(' internal -point-convex')使用的选项:(其他可用算法:'trust- area -reflective')设置属性:constrainttolance: 1.0000 -08 MaxIterations: 200 OptimalityTolerance: 1.0000 -08 StepTolerance: 1.0000 -12默认属性:Algorithm: ' internal -point-convex'显示:'final'线性解算器:'auto'显示当前算法(' internal -point-convex')不使用的选项

若要更改选项，请使用optimoptions或点表示法来设置选项，并将选项传递给解决在“选项”名称-值对。看到常用选项:调优和故障排除．继续这个例子，

选项。Display = 'iter';sol = solve(prob，'Options'， Options，'Solver'，'quadprog');
Iter Fval原始Infeas双Infeas互补性0 1.500359e+00 3.068423e-01 2.275437e+00 2.500000e-01 1 1.728717e-01 0.000000e+00 7.719860e-03 3.637874e-02 2 2.604108e-02 0.000000e+00 2.775558e-17 1.407915e-03 3 7.822161e-03 0.000000e+00 6.938894e-18 2.070784e-04 5 1.931264e-03 0.000000e+00 1.734723e-18 2.907724e-05 6 1.797508e-03 0.000000e+00 2.602085e-18 4.083167e-06 7 1.775398e-03 0.000000e+00 4.336809e-19 5.102480e -07 8 1.772971e-030.000000e+00 2.632684e-19 3.064243e-08 9 1.772848e-03 0.000000e+00 5.228973e-19 4.371356e-11满足约束的最小值。优化完成是因为目标函数在可行方向上不递减，在最优性容差值范围内，约束条件满足在约束容差值范围内。

纠正错误的问题

为了检查你的问题是正确的，回顾它的各个方面。例如，通过运行这个脚本创建一个优化问题来解决数独问题。

x = optimvar (9 ' x ', 9日,9日下界,0,' UpperBound ', 1);con1 = sum(x,1) == 1;con2 = sum(x,2) == 1;con3 = sum(x,3) == 1;Prob =优化问题;prob.Constraints。con1 = con1;prob.Constraints。con2 = con2;prob.Constraints。con3 = con3;Mul = ones(1,1,9);Mul = cumsum(Mul,3); prob.Objective = sum(sum(sum(x,1),2).*mul); cons4 = optimconstr(3,3,9); for u = 1:3 for v = 1:3 arr = x(3*(u-1)+1:3*(u-1)+3,3*(v-1)+1:3*(v-1)+3,:); cons4(u,v,:) = sum(sum(arr,1),2) <= ones(1,1,9); end end prob.Constraints.cons4 = cons4; B = [1,2,2; 1,5,3; 1,8,4; 2,1,6; 2,9,3; 3,3,4; 3,7,5; 4,4,8; 4,6,6; 5,1,8; 5,5,1; 5,9,6; 6,4,7; 6,6,5; 7,3,7; 7,7,6; 8,1,4; 8,9,8; 9,2,3; 9,5,4; 9,8,2]; for u = 1:size(B,1) x.LowerBound(B(u,1),B(u,1),B(u,1)) = 1; end

这个脚本有一些错误，可以通过检查变量、目标和约束来发现。首先，检查变量x．

x
x = 9×9×9 optimization带属性的变量数组:数组范围属性:名称:'x'类型:'continuous' IndexNames: {{} {} {} Elementwise属性:LowerBound: [9×9×9 double] UpperBound: [9×9×9 double]参见带show的变量。请使用showbounds查看bounds。

这个显示显示变量的类型是连续的。变量应该是整数值。更改类型。

x.Type = 'integer'
x = 9×9×9 optimization带属性的变量数组:数组级属性:名称:'x'类型:'integer' IndexNames: {{} {} {} Elementwise属性:LowerBound: [9×9×9 double] UpperBound: [9×9×9 double]参见variables with show。请使用showbounds查看bounds。

检查边界。应该有21个值为1的下界，每一行对应一个B．因为x是一个大数组，则将边界写入文件，而不是在命令行中显示它们。

writebounds (x,“xbounds.txt”）

搜索文件xbounds.txt对于所有的实例1 < =．变量中只有9个下界为1x (1, 1, 1)，x (2, 2, 2)、……x (9, 9, 9)．要研究这种差异，请检查设置下界的代码:

u = 1:尺寸(B, 1) x.LowerBound (B (u, 1), B (u, 1), B (u, 1)) = 1;结束

循环里面的行应该说x.LowerBound(B(u,1)，B(u,2)，B(u,3)) = 1;．将所有下界重置为零，然后运行正确的代码。

x.LowerBound = 0;u = 1:尺寸(B, 1) x.LowerBound (B (u, 1), B (u, 2), B (u, 3)) = 1;结束writebounds (x, xbounds.txt)

xbounds.txt现在有了正确数量的下界元素，即1。

检查目标函数。目标函数表达式很大，因此将表达式写入文件。

写(概率。目标,“objectivedescription.txt”）
x (1 1 1) + (2, 1, 1) + x(3、1,1)+ (4 1 1)+ x(5、1、1)+ (6,1,1)+ x (7, 1, 1) + (8, 1, 1) + x (9, 1, 1) + x(1、2、1)+ (2 2 1)+ x (3,2,1) + x(4、2、1)+ (2,1)+ x(6 2…9 * x (7 8 9) + 9 * x (8 8 9) + 9 * x (9, 8, 9) + 9 * x (1 9 9) + 9 * x(2、9、9)+ 9 * x(3、9、9)+ 9 * x(4、9、9)+ 9 * x (5 9 9) + 9 * x (6 9 9) + 9 * x (7 9 9) + 9 * x(8、9、9)+ 9 * x (9, 9, 9)

目标函数看起来是合理的，因为它是标量表达式的和。

将约束写入文件进行检查。

写(prob.Constraints.cons1“cons1.txt”)写(prob.Constraints.cons2“cons2.txt”)写(prob.Constraints.cons3“cons3.txt”)写(prob.Constraints.cons4“cons4.txt”）

审查cons4.txt你看到了一个错误。所有的约束条件都是不等式而不是等式。更正创建此约束的代码行，并将更正后的约束放入问题中。

con4 = optimconstr(3,3,9);为u = 1:3 v = 1:3 arr = x (3 * (u-1) + 1:3 * (u-1) + 3, 3 *(它们)+ 1:3 *(它们)+ 3:);con4 (u,v，:) = sum(sum(arr,1)，2) == ones(1,1,9);约束。con4 = con4;

完成这些修改后，您就可以成功地解决问题。

Sol =解决(问题);X = round(sol.x);Y = ones(size(x));对于k = 2:9 y(:，:，k) = k;每个深度k端的%乘数S = x.*y;%将每个条目乘以它的深度S = sum(S,3);% S是9乘9，持有已解决的谜题drawSudoku(S)

重复变量名

如果您重新创建了一个变量，但已经有一个使用旧变量的表达式，那么在将表达式合并到单个问题中时可能会出现错误。看到不允许重复名称的变量．

另请参阅

|||||||

相关的话题