optimoptions

options = fmincon options:当前算法(' internal -point')使用的选项:(其他可用算法:'active-set'， 'sqp'， 'sqp-legacy'， 'trust-region-reflective')设置属性:不设置选项。默认属性:Algorithm: ' internal -point' BarrierParamUpdate: 'monotone' CheckGradients: 0 constrainttolance: 1.0000 -06 Display: 'final' EnableFeasibilityMode: 0 FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' HessianApproximation: 'bfgs' HessianFcn: [] HessianMultiplyFcn: [] HonorBounds: 1 maxfunctionevaluation3000 MaxIterations: 1000 ObjectiveLimit: -1.0000e+20 OptimalityTolerance: 1.0000 -06 OutputFcn: [] PlotFcn: [] ScaleProblem:TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法(' internal -point')未使用的选项

创建非默认选项

打开实时脚本

为以下选项设置fmincon使用sqp算法和最多1500次迭代。

选项= optimoptions(@fmincon，“算法”，“sqp”，“MaxIterations”, 1500)

options = fmincon options:当前使用的算法('sqp'):(其他可用算法:'active-set'， ' internal -point'， 'sqp-legacy'， 'trust- area -reflective')设置属性:Algorithm: 'sqp' MaxIterations: 1500默认属性:CheckGradients: 0 constrainttolance: 1.0000 -06显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' maxfunctionevaluation: '100*numberOfVariables' ObjectiveLimit: -1.0000e+20 OptimalityTolerance:1.0000 -06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 specyconstraintgradient: 0 specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法('sqp')未使用的选项

更新选项

打开实时脚本

用新值更新现有选项。

设置lsqnonlin的解算器levenberg-marquardt算法和最多1500个函数求值

Oldoptions = optimoptions(@lsqnonlin，“算法”，“levenberg-marquardt”，.．.“MaxFunctionEvaluations”, 1500)

oldoptions = lsqnonlin options:当前使用的选项Algorithm ('levenberg-marquardt'):(其他可用算法:'trust- area -reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionwarnings: 1500默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' FunctionTolerance: 1.0000 -06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX:显示当前算法未使用的选项('levenberg-marquardt')

增加MaxFunctionEvaluations到2000年。

选项= optimoptions(oldoptions，“MaxFunctionEvaluations”, 2000)

options = lsqnonlin options:当前使用的选项Algorithm ('levenberg-marquardt'):(其他可用算法:'trust- area -reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionwarnings: 2000默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' FunctionTolerance: 1.0000 -06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX:显示当前算法未使用的选项('levenberg-marquardt')

使用点符号更新选项

打开实时脚本

使用点表示法更新现有选项的新值。

设置lsqnonlin的解算器levenberg-marquardt算法和最多1500个函数求值

选项= optimoptions(@lsqnonlin，“算法”，“levenberg-marquardt”，.．.“MaxFunctionEvaluations”, 1500)

options = lsqnonlin options:当前使用的选项Algorithm ('levenberg-marquardt'):(其他可用算法:'trust- area -reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionwarnings: 1500默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' FunctionTolerance: 1.0000 -06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX:显示当前算法未使用的选项('levenberg-marquardt')

增加MaxFunctionEvaluations到2000，用点表示法。

选项。maxfunctionassessments = 2000

options = lsqnonlin options:当前使用的选项Algorithm ('levenberg-marquardt'):(其他可用算法:'trust- area -reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionwarnings: 2000默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' FunctionTolerance: 1.0000 -06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX:显示当前算法未使用的选项('levenberg-marquardt')

将选项复制到另一个求解器

打开实时脚本

属性的非默认选项fmincon选项的解算器fminunc解算器。

为以下选项设置fmincon使用SQP算法，最多迭代1500次。

Oldoptions = optimoptions(@fmincon，“算法”，“sqp”，“MaxIterations”, 1500)

oldoptions = fmincon options:当前算法('sqp'):(其他可用算法:'active-set'， ' internal -point'， 'sqp-legacy'， 'trust- area -reflective')设置属性:Algorithm: 'sqp' MaxIterations: 1500默认属性:CheckGradients: 0 constrainttolance: 1.0000 -06显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' maxfunctionevaluation: '100*numberOfVariables' ObjectiveLimit: -1.0000e+20 OptimalityTolerance:1.0000 -06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 specyconstraintgradient: 0 specyobjectivegradient: 0 StepTolerance: 1.0000 -06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法('sqp')未使用的选项

将适用的选项转移到fminunc解算器。

Options = optimoptions(@fminunc,oldoptions)

options = fminunc options:当前使用的选项Algorithm('准牛顿'):(其他可用算法:'trust-region')设置属性:CheckGradients: 0 FiniteDifferenceType: 'forward' MaxIterations: 1500 OptimalityTolerance: 1.0000 -06 PlotFcn: [] featyobjectivegradient: 0 StepTolerance: 1.0000 -06默认属性:Algorithm: '准牛顿'显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' maxfunctionements: '100*numberOfVariables' ObjectiveLimit: -1.0000e+20 OutputFcn:[] UseParallel: 0显示当前算法未使用的选项('准牛顿')

算法选项不会转移到fminunc因为“sqp”不是有效的算法选项fminunc．

查找优化问题的解算器和默认选项

打开实时脚本

创建一个优化问题，并找到默认的求解器和选项。

rng默认的X = optimvar(“x”3,下界的, 0);Expr = x'*(eye(3) + randn(3))*x - randn(1,3)*x;问题=优化问题(“目标”, expr);选项= optimoptions(prob)

options = quadprog options:当前算法(' internal -point-convex')使用的选项:(其他可用算法:'active-set'， 'trust-region-reflective')设置属性:不设置选项。默认属性:Algorithm: ' internal -point-convex' ConstraintTolerance: 1.0000 -08 Display: 'final' LinearSolver: 'auto' MaxIterations: 200 OptimalityTolerance: 1.0000 -08 StepTolerance: 1.0000 -12显示当前算法未使用的选项(' internal -point-convex')

默认的解算器是quadprog．

将选项设置为使用迭代显示。找到解决方案。

选项。显示=“通路”；Sol =解决(问题，“选项”、选择);

用quadprog解决问题。你的黑纱是不对称的。重置H = (H + H) / 2。Iter Fval原始Infeas双Infeas互补0 2.018911e+00 0.000000e+00 2.757660e+00 6.535839e-01 1 -2.170204e+00 0.000000e+00 8.881784e-16 2.586177e-01 2 -3.405808e+00 0.000000e+00 8.881784e-16 2.244054e-03 3 -3.438788e+00 0.000000e+00 3.356690e-16 7.261144e-09发现满足约束的最小值。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。