OptimConstr.

创建空优化约束阵列

页面上倒塌

句法

class = OptimConstr（n）

crantr = OptimConstr（CSTR）

CONSTRIC = OPEMCONSTR（CSTR1，N2，...，CSTRK）

CONSTR = OPEMCONSTR（{CSTR1，CSTR2，...，CSTRK}）

cranct = OptimConstr（[n1，n2，...，nk]）

描述

采用OptimConstr.初始化一组约束表达式。

小费

对于完整的工作流程，请参阅基于问题的优化工作流程。

例子

约束= OptimConstr（N）创造一个N-1-1阵列空优化约束。采用约束初始化创建约束表达式的循环。

例子

约束= OptimConstr（Cstr.）创建一系列索引的空优化约束Cstr.，字符向量或串向量的单元阵列。

如果Cstr.是1-by-NCstr.，在哪里NCstr.是元素的数量Cstr.，然后约束也是1-by-NCstr.。否则，约束是NCstr.-By-1。

约束= OptimConstr（Cstr.1，N2，......，Cstr.k）要么约束= OptimConstr（{Cstr.1，Cstr.2，......，Cstr.k}）要么约束= OptimConstr（[N1，N2，......，NK]），任何组合Cstr.和N参数，创造一个NCstr.1-by-N2-by -...-逐渐NCstr.k阵列空优化约束，在哪里NCstr.是元素的数量Cstr.。

例子

全部收缩

在循环中创建约束

打开直播脚本

为库存模型创建约束。每个时期开始的货物库存等于上一期结束时的股票。在每个时期，库存增加买并减少卖。变量股票是该股在期末。

n = 12;库存= Optimvar（'股票'，n，1，'类型'那'整数'那'indowbound'，0）;购买= Optimvar（'买'，n，1，'类型'那'整数'那'indowbound'，0）;卖= Optimvar（'卖'，n，1，'类型'那'整数'那'indowbound'，0）;initialStock = 100;Stockbalance = OptimConstr（n，1）;为了t = 1：n如果t == 1 Enterstock = InitialStock;别的Enterstock =库存（T-1）;结尾Stockbalance（t）=库存（t）== enterstock +购买（t） - 卖（t）;结尾表演（StockPalance）

（1,1） - （1）+销售（1）+库存（1）== 100（2,1）-Buy（2）+销售（2） - 库存（1）+库存（2）==0（3,1）-Buy（3）+销售（3） - 库存（2）+库存（3）== 0（4,1） - （4）+卖出（4） - 库存（3）+库存（4）== 0（5,1）-Buy（5）+销售（5） - 库存（4）+库存（5）== 0（6,1） - 布布（6）+卖（6）- 股票（5）+库存（6）== 0（7,1）-Buy（7）+销售（7） - 库存（6）+库存（7）== 0（8,1）-Buy（8）+ sell(8) - stock(7) + stock(8) == 0 (9, 1) -buy(9) + sell(9) - stock(8) + stock(9) == 0 (10, 1) -buy(10) + sell(10) - stock(9) + stock(10) == 0 (11, 1) -buy(11) + sell(11) - stock(10) + stock(11) == 0 (12, 1) -buy(12) + sell(12) - stock(11) + stock(12) == 0

包括问题中的约束。

prob = OptimProblem;prob.constraints.stockbalance = StockPalance;

而不是使用循环，您可以通过在变量上使用矩阵操作来创建相同的约束。

tt =那些（n-1,1）;d = diag（tt，-1）;％换档索引--1Stockbalance2 =股票== D *股票+卖 - 卖;Stockbalance2（1）=库存（1）== InitialStock + Buy（1） - 卖（1）;

显示新的约束，以验证它们与约束相同Stockbalance。

表演（Stockbalance2）

（1,1） - （1）+销售（1）+库存（1）== 100（2,1）-Buy（2）+销售（2） - 库存（1）+库存（2）==0（3,1）-Buy（3）+销售（3） - 库存（2）+库存（3）== 0（4,1） - （4）+卖出（4） - 库存（3）+库存（4）== 0（5,1）-Buy（5）+销售（5） - 库存（4）+库存（5）== 0（6,1） - 布布（6）+卖（6）- 股票（5）+库存（6）== 0（7,1）-Buy（7）+销售（7） - 库存（6）+库存（7）== 0（8,1）-Buy（8）+ sell(8) - stock(7) + stock(8) == 0 (9, 1) -buy(9) + sell(9) - stock(8) + stock(9) == 0 (10, 1) -buy(10) + sell(10) - stock(9) + stock(10) == 0 (11, 1) -buy(11) + sell(11) - stock(10) + stock(11) == 0 (12, 1) -buy(12) + sell(12) - stock(11) + stock(12) == 0

与矩阵操作创建约束时，循环中的创建约束可能会更耗时。但是，您不太可能通过使用循环创建错误的约束。

在循环中创建索引约束

打开直播脚本

创建索引约束和变量以表示饮食中消耗的卡路里。每餐都有不同的卡路里限制。

饭菜= [“早餐”那“午餐”那“晚餐”];crantr = OptimConstr（餐）;食物= [“谷物”那“麦片”那“酸奶”那“花生酱三明治”那“比萨”那“汉堡包”那......“沙拉”那“牛扒”那“沙锅”那“冰淇淋”];饮食= Optimvar（'饮食'，食物，饭菜，'indowbound'，0）;卡路里= [200,175,150,450,350,800,150,650,350,300]';为了i = 1：3 contrut（i）=饮食（：，i）'*卡路里<= 250 * i;结尾

检查约束晚餐。

展示（约束（“晚餐”）））

200 *饮食（'谷物'，'晚餐'）+ 175 *饮食（'燕麦'，'晚餐'）+ 150 *饮食（'酸奶'，'晚餐'）+ 450 *饮食（'花生酱三明治'，'晚餐'）+ 350 *饮食（'披萨'，'晚餐'）+ 800 *饮食（'汉堡包，'晚餐'）+ 150 *饮食（'沙拉'，'晚餐'）+ 650 *饮食（'牛排'，'晚餐'）+ 350 *饮食（'砂锅'，'晚餐'）+ 300 *饮食（'冰淇淋'，'晚餐'）<= 750

输入参数

全部收缩

`N`-约束维度的大小
正整数

约束尺寸的大小，指定为正整数。

的大小class = OptimConstr（n）是N-By-1。
的大小class = OptimConstr（N1，N2）是N1.-经过-N2.。
的大小class = OptimConstr（n1，n2，...，nk）是N1.-经过-N2.-By -...-NK.。

例子：5.

数据类型：双倍的

`Cstr.`-索引的名称
字符向量的单元格阵列|弦矢量

索引的名称，指定为字符向量或字符串向量的单元格数组。

例子：{'红色'，'orange'，'green'，'blue'}

例子：[“红色”;“橙色”;“绿色”;“蓝色”]

数据类型：细绳|细胞

输出参数

全部收缩

`约束`- 约束
空的`优化混合物`大批

约束，作为空的返回优化混合物大批。采用约束初始化创建约束表达式的循环。

例如：

x = Optimvar（'X'，8）;class = OptimConstr（4）;为了k = 1：4约束（k）= 5 * k *（x（2 * k） -  x（2 * k-1））<= 10  -  2 * k;结尾

限制

问题中的每个约束表达式必须使用相同的比较。例如，以下代码会导致错误，因为cons1.用来<=比较，cons2.用来> =比较，和cons1.和cons2.处于同样的表达式。
```
prob = OptimProblem;x = Optimvar（'X'2，'indowbound'，0）;cons1 = x（1）+ x（2）<= 10;CONS2 = 3 * x（1）+ 4 * x（2）> = 2;prob.constraints = [cons1; cons2];％此行抛出错误
```
您可以通过使用单独的表达式来避免此错误。
```
prob.constraints.cons1 = cons1;prob.constraints.cons2 = cons2;
```