主要内容

La traducción de esta página está obsoleta。Haga clic aquí para ver la última versión en inglés。

optimoptions

Cree opciones de optimización

对比todo en la página

Sintaxis

options = optimoptions(SolverName)
options = optimoptions(SolverName，名称，值)
options = optimoptions(oldoptions，名称，值)
options = optimoptions(SolverName,oldoptions)
选项= optimoptions(prob)
options = optimoptions(问题，名称，值)

Descripcion

比如

选项= optimoptions (SolverName）发展联合国行动、预先决定和para求解的联合SolverName．

比如

选项= optimoptions (SolverName，名称,值）devuelve选项Con parámetros speciificados establecidos utilizdo uno más英勇论点。

比如

选项= optimoptions (oldoptions，名称,值）Devuelve una copia deoldoptionsCon los parámetros nombrados alterados Con los valores speciificados。

比如

选项= optimoptions (SolverName，oldoptions）开发预先确定的参数求解器SolverName适用于oldoptions一个选项．

比如

选项= optimoptions (概率）推导联合国关于预先决定的问题optimización问题ecuación概率．

选项= optimoptions (概率，名称,值）发展行动parámetros特别建立实用程序uno más英勇论点。

包括

反待办事项

省略脚本在体内

预确定参数解算器fmincon．

选项= optimoptions(“fmincon”）
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
省略脚本在体内

这就是我们要做的fmincon利用算法sqpY, como máximo, 1500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
省略脚本在体内

实际操作的存在与新价值。

这是解决问题的方法lsqnonlin利用算法levenberg-marquardtY, como máximo, 1.500 evaluaciones de función

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')

AumenteMaxFunctionEvaluations2.000。

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')
省略脚本在体内

实际操作，存在，价值，新效用notación puntos。

这是解决问题的方法lsqnonlin利用算法levenberg-marquardtY, como máximo, 1.500 evaluaciones de función

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')

AumenteMaxFunctionEvaluations一个2.000 utilzando notación de puntos。

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')
省略脚本在体内

Transfiera opciones no predeterminadas para solverfmincon一个动作解算器fminunc．

这就是我们要做的fmincon使用el算法SQP y, como máximo, 1.500迭代。

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

适用运算变换解算器fminunc．

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')

La opción算法不传输fminunc因为“sqp”No es una opción de algoritmo válida parafminunc．

省略脚本在体内

optimización问题的解决是预先决定的。

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')

El求解器预先确定quadprog．

建立可操作的方法visualización迭代。Encuentre la solución。

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。
sol.x
ans =3×11.6035 0.0000 0.8029

entrada论证

反待办事项

解决问题的方法，特别是关于向量的方法，关于识别问题的方法función。

比如:“fmincon”

比如:@fmincon

数据提示:字符|function_handle|字符串

欢迎光临funciónoptimoptions，特别是联合国对行动的反对。

比如:Oldoptions = optimoptions(@fminunc)

问题的客体，特别是客体的客体OptimizationProblem哦，联合国反对EquationProblem．克里族概率我们使用el基于问题的优化工作流埃尔阿求解方程的基于问题的工作流程．

Las sintaxis que utilitza概率准定性求解预先确定的问题修正算法。

比如:prob = optimproblem('Objective'，myobj),在哪里myobjEs una expresión de optimización

英勇论争

比如:optimoptions (@fmincon‘显示’,‘iter’,‘FunctionTolerance’,1平台以及)establece各种选择fminconPara tener una visualización iterativa y unaFunctionTolerance德1平台以及．

特殊的可选论点名称,值再见，昏迷。的名字这就是所谓的论点价值英勇的通讯员。的名字Debe aprecer entre comillas。Puede，特别的，不同的论点，在标准的英勇，在cualquier, comoName1, Value1,…,的家．

关于英勇的相关论点，关于解决问题的手记:

salida的论证

反待办事项

Opciones de optimización para解算器SolverName联合国反对行动。

Funcionalidad alternativa

Tarea de Live Editor

拉他利亚优化de Live Editor le permite建立opciones visualmente。Para ver un ejemplo, consulte用fmincon求解器优化实时编辑器任务．

Capacidades ampliadas

历史版本

介绍en R2013a

Consulte也

||||

特马