主要内容

二次规划和锥规划

解决二次目标和线性约束或二次约束的问题

在开始解决优化问题之前,必须选择适当的方法:基于问题或基于求解器。有关详细信息,请参见首先选择基于问题或基于求解器的方法

对于基于问题的方法,创建问题变量,然后用这些符号变量表示目标函数和约束。有关要采取的基于问题的步骤,请参见具体问题具体分析优化工作流程。要解决结果问题,使用解决

对于要采取的基于求解器的步骤,包括定义目标函数和约束,以及选择适当的求解器,请参见基于求解器的优化问题设置。要解决结果问题,使用Quadprog.或者Coneprog.

功能

全部展开

评估 评估优化表达式
不可行 在某一点违反约束
optimproblem 创建优化问题
优越的 创建优化变量
解决 解决优化问题或等式问题
Coneprog. 二次锥规划求解器
optimwarmstart 创建热启动对象
Quadprog. 二次编程
secondordercone 创建二阶锥约束

住编辑任务

优化 在实时编辑器中优化或解决方程

对象

SecondOrderConeConstraint 二次锥约束对象

主题

具体问题具体分析二次规划

具有绑定约束的二次编程:基于问题

演示了如何使用不同的算法来解决一个基于边界约束的二次规划问题。

大型稀疏二次规划,基于问题

展示如何使用基于问题的方法来解决大型稀疏二次程序。

绑定约束的二次编程,基于问题

示例显示基于大规模的基于问题的二次编程。

基于问题的投资组合优化二次规划

在一个基本的投资组合模型上显示基于问题的二次规划的例子。

Solver-Based二次规划

有界约束的二次极小化

具有绑定约束和各种选项的二次编程示例。

具有许多线性约束的二次规划

此示例显示了具有许多线性约束问题的主动集算法的益处。

温暖的开始Quadprog.

表明,温暖的开始可以在大型二次程序中有效。

温暖启动最佳实践

描述如何最好地使用热启动来加快重复的解决方案。金宝搏官方网站

用密集,结构化的黑森州的二次最小化

示例显示如何在结构化二次程序中保存内存。

具有内部点算法的大稀疏二次程序

这个例子展示了如何使用稀疏二次矩阵在二次程序中节省内存。

基于求解器的有界约束二次规划

示例显示基于求解器的大规模二次规划。

基于求解器的投资组合优化问题的二次编程

在一个基本的投资组合模型上显示基于求解器的二次规划的例子。

基于问题的二阶锥编程

基于问题的圆锥规划分段线性质量-弹簧系统能量最小化

给出了一个基于问题的圆锥编程实例。

比较coneprog算法的速度

本节提供了一种使用各种锥形编程问题的时序信息LinearSolver选项设置。

写入基于问题的锥形编程的约束

要求解决使用Coneprog.对于问题解决方案。

基于求解器的二阶锥形编程

基于求解器的圆锥规划分段线性质量-弹簧系统能量最小化

使用锥形编程解决机械质量弹簧问题。

将二次约束转化为二次锥约束

将二次约束转换为Coneprog.的形式。

将二次规划问题转化为二次锥规划

将二次规划问题转化为二次锥问题。

代码生成

Code Generation for quadprog Background

生成二次优化C代码的先决条件。

生成代码quadprog

控件的代码生成基础Quadprog.优化求解器。

温暖启动最佳实践

描述如何最好地使用热启动来加快重复的解决方案。金宝搏官方网站

优化实时应用程序的代码生成

探索处理生成代码中实时要求的技术。

具体问题具体分析的算法

具体问题具体分析的优化算法

优化函数和对象如何解决优化问题。

写入基于问题的锥形编程的约束

要求解决使用Coneprog.对于问题解决方案。

金宝app支持优化变量和表达式的操作

列出优化变量和表达式上所有可用的数学和索引操作。

算法和选项

二次编程算法

最小化二次目标函数n仅具有线性和束缚约束的尺寸。

二阶锥编程算法

底层算法的描述。

优化选择参考

探索优化选项。