二次编程

二次编程（QP）最小化或最大化受限制，线性平等和不等式约束的目标函数。示例问题包括投资组合优化在金融中，电力发电优化，以及设计优化在工程中。

二次编程是找到传染料X的数学问题，这最小化了二次函数：

\ [\ min_ {x} \ left \ {\ frac {1} {2} x ^ {\ mathsf {t}} hx + f ^ {\ mathsf {t}} x \ light \} \]

受限制：

\ [\ begin {eqnarray} ax \ leq b＆\ quad＆\ text {（不等式约束）} \\ a_ {eq} x = b_ {eq}＆\ quad＆\ text {（平等约束）} \\ lb\ LEQ X \ LEQ UB＆Quad＆\ text {（绑定约束）} \ END {EQNARRAY} \]

您可以使用马铃薯^®实现以下常用算法来解决二次编程问题：

• 内部点凸：解决了任何限制组合的凸面问题
• 信任区域反光：解决受约束或线性平等约束的问题
• 主动集：解决小于中等大小的凸面问题，以及任何约束的组合

有关二次编程的更多信息，请参阅优化工具箱™。