在开始解决优化问题之前,必须选择适当的方法:基于问题的方法或基于求解器的方法。有关详细信息,请参见首先选择基于问题或基于解决者的方法.
关于问题设置,请参见基于求解器的优化问题设置.
fminbnd |
求定区间上单变量函数的最小值 |
fmincon |
求约束非线性多变量函数的最小值 |
fminsearch |
用无导数法求无约束多变量函数的最小值 |
fminunc |
求无约束多变量函数的最小值 |
fseminf |
求半无限约束多变量非线性函数的最小值 |
优化 | 在实时编辑器中优化或求解方程 |
演示如何解决罗森布罗克函数的最小值使用不同的求解器,有或没有梯度。
无约束非线性规划的例子。
包含导数的无约束非线性规划的例子。
使用一些导数信息的非线性规划的例子。
教程示例显示如何解决非线性问题和传递额外的参数。
使用优化实时编辑器任务的非线性规划约束的例子。
具有非线性不等式约束的非线性规划实例。
带导数信息的非线性规划实例。
包含所有导数信息的非线性规划的例子。
这个例子展示了如何解决一个具有线性或二次目标和二次不等式约束的优化问题。
具有两种非线性约束的非线性规划。
显示所有约束的示例。
找出最佳可行点输出
结构。
例子显示了结构非线性问题的效率增益。
例子显示了只有线性等式约束的非线性规划。
这个例子展示了如何在非线性规划中使用结构化的Hessian和只有线性等式约束或只有边界的情况下节省内存。
演示如何为最优化求解程序象征性地计算导数的示例。
使用符号数学工具箱™生成梯度和Hessians。
生成非线性优化C代码的先决条件。
的代码生成基础知识fmincon
优化求解。
当问题发生变化时,在代码生成中使用静态内存分配。
探索在生成的代码中处理实时需求的技术。
说明如何在非线性规划中使用一维半无限约束的例子。
说明如何在非线性规划中使用二维半无限约束的例子。
这个例子展示了如何使用半无限规划来研究不确定性对优化问题模型参数的影响。
使用多个处理器进行优化。
并行进行梯度估计。
研究加速优化的因素。
演示如何在两者中使用并行计算的示例全局优化工具箱和最优化工具箱™求解器。
最小化单个目标函数n尺寸没有约束。
最小化单个目标函数n具有各种类型约束的尺寸。
的步骤fminsearch
使函数最小化。
探索优化选项。
解释为什么解算器可能找不到最小值。
列出支持在求解器算法中实现的概念的已出版材料。金宝app