createOptimProblem

创建优化问题结构

语法

问题= createOptimProblem(“solverName”) 问题= createOptimProblem(“solverName”、“ParameterName”、ParameterValue…)

描述

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。

输入参数

solverName

解算器的名称。对于一个GlobalSearch问题,使用“fmincon”．对于一个MultiStart问题,使用“fmincon”，“fminunc”，“lsqcurvefit”或“lsqnonlin”．

名称-值参数

`Aeq`	线性等式约束的矩阵。约束的形式如下： `Aeq x`＝`说真的`
`Aineq`	线性不等式约束矩阵。约束的形式如下： `Aineq x`≤`bineq`
`说真的`	线性等式约束的向量。约束条件的形式如下: `Aeq x`＝`说真的`
`bineq`	线性不等式约束的向量。约束条件的形式如下: `Aineq x`≤`bineq`
`磅`	下界向量。 `磅`也可以是数组;看到矩阵的参数．
`nonlcon`	非线性约束函数的句柄。约束函数必须接受一个向量`x`返回两个向量:`c`，非线性不等式约束`量表信`，非线性等式约束。如果其中一个约束函数是空的，`nonlcon`必须返回`［］`这个函数。如果`GradConstr`选择是`“上”`，然后加上`nonlcon`必须返回两个额外的输出，`gradc`和`梯度`．的`gradc`参数是每个约束的梯度为一列的矩阵`梯度`．有关更多信息，请参见写约束．
`客观的`	目标函数的函数句柄。对于所有解算器，除了`lsqnonlin`和`lsqcurvefit`时，目标函数必须接受一个向量`x`并返回一个标量。如果`GradObj`选择是`“上”`，则目标函数必须返回第二个输出，一个向量，表示目标的梯度。为`lsqnonlin`时，目标函数必须接受一个向量`x`返回一个向量。`lsqnonlin`目标函数值的平方和。为`lsqcurvefit`，目标函数必须接受两个输入，`x`和`xdata`，并返回一个向量。有关更多信息，请参见计算目标函数．
`选项`	优化选项。创建选项`optimoptions`．
`乌兰巴托`	上界的向量。 `乌兰巴托`也可以是数组;看到矩阵的参数．
`x0`	一个向量，一个潜在的优化起点。给出问题的维度。 `x0`也可以是数组;看到矩阵的参数．
`xdata`	数据点的向量`lsqcurvefit`．
`ydata`	数据点的向量`lsqcurvefit`．

输出参数

问题

结构优化问题。

例子

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);

另请参阅

MultiStart|GlobalSearch

主题

创建问题结构

介绍了R2010a

全局优化工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在