写入基于问题的锥形编程的约束
以确保解决要么prob2struct.呼叫coneprog.对于二阶锥问题，将二阶锥限制指定为两种类型之一：
norm（线性表达）+常数<=线性表达SQRT（正方形之和）+常数<=线性表达式
这里，线性表达表示优化变量中的线性表达。平方和意味着优化变量的显式平方和，例如总和（x。^ 2）。目标函数coneprog.在优化变量中必须是线性的。有关正方形形式和的更多信息，请参阅写入基于问题的最小二乘函数。
解决和prob2struct.还要打电话coneprog.当约束类型具有等效表单到两个列出的时：
线性表达> = SQRT（平方和）+常数线性表达> =常态（线性表达）+常数const * norm（线性表达）+常数<=线性表达式假如const> 0.（正方形的总和）^ 0.5代替SQRT（正方形的总和）
例如，coneprog.是您致电时，以下两个等效问题配方中的每一个的默认解算器解决。
x = Optimvar（'X'，3，......'indowbound'，[ - inf，-inf，0]，......'上行'，[inf，Inf，2]）;a = diag（[1,1 / 2,0]）;d = [0; 0; 1];f = [-1，-2,0];probnorm = OptimProblem（'客观的'，f * x）;probsumsq = OptimProblem（'客观的'，f * x）;consnorm = norm（a * x）<= d'* x;probnorm.constraints.consnorm = consnorm;consssumsq = sqrt（sum（（a * x）。^ 2））<= dot（d，x）;probsumsq.constraints.conssumsq = consssumsq;OptNorm = Optimoptions（probnorm）;班级（Optnorm）
ans ='Optim.Options.coneprogogtions
Optsumsq = Optimoptions（probsumsq）;类（Optsumsq）
ans ='Optim.Options.coneprogogtions
如果您以不同方式编写二阶约束，例如数学上等效sqrt（x'* x）那解决呼叫不同的求解器，例如粉刺。在这种情况下，您需要提供解决如初始点，并且解决方案过程可以不同（并且通常效率低），如以下示例中那样。
x = Optimvar（'X'，3，......'indowbound'，[ - inf，-inf，0]，......'上行'，[inf，Inf，2]）;a = diag（[1,1 / 2,0]）;d = [0; 0; 1];f = [-1，-2,0];prob = OptimProblem（'客观的'，f * x）;缺点= sqrt（x'* a'* a * x）<= d'* x;prob.constraints.cons =缺点;选择= Optimoptions（prob）;班级（选择）
ans ='Optim.Options.Fmincon'
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
