创建优化问题结构
问题= createOptimProblem(“solverName”)
问题= createOptimProblem(“solverName”、“ParameterName”、ParameterValue…)
问题= createOptimProblem(“solverName”)
为。创建空的优化问题结构solverName
解算器。
问题= createOptimProblem(“solverName”、“ParameterName”、ParameterValue…)
接受一个或多个以逗号分隔的参数名称/值对。指定ParameterName
在单引号。
|
解算器的名称。对于一个 |
|
线性等式约束的矩阵。约束的形式如下:
|
|
线性不等式约束矩阵。约束的形式如下:
|
|
线性等式约束的向量。约束条件的形式如下:
|
|
线性不等式约束的向量。约束条件的形式如下:
|
|
下界向量。
|
|
非线性约束函数的句柄。约束函数必须接受一个向量 如果 有关更多信息,请参见写约束. |
|
目标函数的函数句柄。对于所有解算器,除了 有关更多信息,请参见计算目标函数. |
|
优化选项。创建选项 |
|
上界的向量。
|
|
一个向量,一个潜在的优化起点。给出问题的维度。
|
|
数据点的向量 |
|
数据点的向量 |
|
结构优化问题。 |
使用Rosenbrock的函数作为目标来创建一个问题结构(参见遗传算法中的混合方案),内点
算法fmincon
,并以绝对值为界2
:
anonrosen = @ (x) (100 * (x (2) - (1) ^ 2) ^ 2 + (1 - x (1)) ^ 2);选择= optimoptions (@fmincon、“算法”、“内点”);问题= createOptimProblem (fmincon, x0, randn(2, 1),…anonrosen“客观”,“磅”,(2);2),乌兰巴托,(2,2),……“选项”,选择);