查看或修改优化问题
审查问题使用显示要么写
创建优化问题后，您可以通过使用审核其配方显示。对于大问题，使用写反而。例如，
概率= optimproblem;x = Optimvar（'x'，2，'低行'，0）;prob.objective = x（1） - 2 * x（2）;prob.constraints.cons1 = x（1）+ 2 * x（2）<= 4;prob.constraints.cons2 = -x（1）+ x（2）<= 1;展示（prob）
优化问题：求解：x最小化：x（1） - 2 * x（2）对CONS1：x（1）+ 2 * x（2）<= 4受到CONS2的影响：-X（1）+ x（2）<= 1可变界限：0 <= x（1）0 <= x（2）
此评论显示问题的基本元素，例如问题是最小化或最大化，以及可变界限。审查显示了变量中使用的索引名称（如果有）。审核不显示变量是否为valize。
更改默认求解器或选项
要尝试提高解决方案或速度，检查和更改默认求解器或选项。
要查看默认求解器和选项，请使用Optimoptions（prob）。例如，
rng默认x = Optimvar（'x'，3，'低行'，0）;expr = sum（（rand（3,1）。* x）。^ 2）;prob = OptimProblem（'目标'，expr）;prob.constraints.lincon = sum（sum（randn（size（x））。* x））<= RANDN;选项= Optimoptions（prob）
选项= LSQLIN选项：当前算法（'内部点'）使用的选项:(其他可用算法：'信任区域反光'）设置属性：无选项集。默认属性：算法：'内部点'约束特许：1.0000E-08显示：'最终'linearsolver：'auto'最大值：200个最优法：1.0000E-08步进：1.0000E-12显示当前算法未使用的选项（'内部点'）
此问题的默认解算器是Lsqlin.，您可以看到默认选项。
要更改求解器，请设置'求解'名称值对解决。要查看不同的求解器的适用选项，请使用优化选择将当前选项传递给不同的求解器。例如，继续问题，
选项= Optimoptions（'Quadprog'，选项）
选项= quadprog选项：当前算法使用的选项（'Interion-point-convex'）:(其他可用算法：'信任区域 - 反射'）设置属性：约束特许：1.0000E-08最大值：200最优法：1.0000E-08 STEMTOLERANCE：1.0000E-12默认属性：算法：'内部点凸'显示：'最终'linearsolver：'auto'显示当前算法不使用的选项（'internal-point-convex'）
要更改选项，请使用优化选择或点符号设置选项，并将选项传递给解决在里面'选项'名称值对。看常用选项：调整和故障排除。继续这个例子，
options.display ='iter';sol =解决（prob，'选项'，选项，'solver'，'quadprog'）;
ITER FVAL PRIMAL INFEAS双INFEAS互补0 1.500359E + 00 3.068423E-01 2.275437E-01 2.500000E-01 1 1.728717E-01 0.000000E + 00 7.719860E-03 3.637874C-02 2 2.6041080-02 0.00000000E + 000.000000E + 00 5.245260E-03 3 7.822161E-03 0.000000E + 00 2.775558E-17 1.407918C-03 4 2.909218E-03 0.000000E + 00 6.938894C-18 2.07078999S-18 2.07078999S-18 2.0707894E-18 2.07078999S-18 2.070784E-04 5 1.931264E-03 1.931264E-03 0.000000E +00 1.734723E-18 2.907724E-05 6 1.797508C-03 0.000000E + 00 2.602085E-18 4.083167E-18 4.083167E-14 0.775398E-03 0.000000E + 00 4.336809E-19 5.19024530-07 8 1.772971E-03 0.000000E+00 2.632684E-19 3.064243E-08 9 1.772848E-03 0.000000E + 00 5.228973E-19 4.371356E-11最低限度，满足约束。优化完成，因为目标函数在可行的方向上不降低，到在最优性公差的值内，并且对约束公差的值满足约束。
纠正错过的问题
要检查您的问题是否正确，请查看其所有方面。例如，通过运行此脚本来创建优化问题以解决数独问题。
x = optimvar (9 ' x ', 9日,9日下界,0,' UpperBound ', 1);Cons1 = sum(x,1) == 1;Cons2 = sum(x,2) == 1;con3 = sum(x,3) == 1;概率= optimproblem;prob.Constraints。cons1 = cons1;prob.Constraints。cons2 = cons2;prob.Constraints。cons3 = cons3;mul = 1 (1, 1, 9);mul = cumsum (mul 3); prob.Objective = sum(sum(sum(x,1),2).*mul); cons4 = optimconstr(3,3,9); for u = 1:3 for v = 1:3 arr = x(3*(u-1)+1:3*(u-1)+3,3*(v-1)+1:3*(v-1)+3,:); cons4(u,v,:) = sum(sum(arr,1),2) <= ones(1,1,9); end end prob.Constraints.cons4 = cons4; B = [1,2,2; 1,5,3; 1,8,4; 2,1,6; 2,9,3; 3,3,4; 3,7,5; 4,4,8; 4,6,6; 5,1,8; 5,5,1; 5,9,6; 6,4,7; 6,6,5; 7,3,7; 7,7,6; 8,1,4; 8,9,8; 9,2,3; 9,5,4; 9,8,2]; for u = 1:size(B,1) x.LowerBound(B(u,1),B(u,1),B(u,1)) = 1; end
这个脚本有一些错误，您可以通过检查变量、目标和约束来发现这些错误。首先，检查变量X。
X
x = 9×9×9优化Variable阵列具有属性：数组范围特性：名称：'X'类型：'连续'索引序列：{{} {} {}}元素属性：下行：[9×9×9双]上行：[9×9×9双]看到变量显示。看到展示的边界。
此显示表明，变量的类型是连续的。变量应该是整数值。更改类型。
x.type ='整数'
x = 9×9×9优化Variable阵列具有属性：数组范围属性：名称：'x'类型：'整数'索引Name：{{} {}}}元素属性：低行：[9×9×9双]上行：[9×9×9双]看到变量显示。看到展示的边界。
检查界限。应该有21个下限，值1，每行一个B.。因为X是一个大的数组，将界限写入文件，而不是在命令行上显示它们。
写作（x，'xbounds.txt'）
搜索文件xbounds.txt.适用于所有实例1 <=。只有九个下限，在变量中具有值1，在变量中x（1,1,1）那x（2,2,2），......，x（9,9,9）。要调查此差异，请检查设置下限的代码：
u = 1:尺寸(B, 1) x.LowerBound (B (u, 1), B (u, 1), B (u, 1)) = 1;结尾
循环内的线应该说X.LowerBound（B（U，1），B（U，2），B（U，3））= 1;。将所有下限重置为零，然后运行更正的代码。
x.lowerbound = 0;对于U = 1：尺寸（b，1）x.lowerbound（b（u，1），b（u，2），b（u，3））= 1;结束写入（x，'xbounds.txt'）
xbounds.txt.现在具有正确的下限条目数为1。
检查目标函数。目标函数表达式很大，因此将表达式写入文件。
写（prob.objective，'objectivedescription.txt'）
x（1,1,1）+ x（2,1，1）+ x（3,1,1）+ x（4,1,1）+ x（5,1,1，1）+ x（6，1那1) + x(7, 1, 1) + x(8, 1, 1) + x(9, 1, 1) + x(1, 2, 1) + x(2, 2, 1) + x(3, 2, 1) + x(4, 2, 1) + x(5, 2, 1) + x(6, 2, ... 9*x(7, 8, 9) + 9*x(8, 8, 9) + 9*x(9, 8, 9) + 9*x(1, 9, 9) + 9*x(2, 9, 9) + 9*x(3, 9, 9) + 9*x(4, 9, 9) + 9*x(5, 9, 9) + 9*x(6, 9, 9) + 9*x(7, 9, 9) + 9*x(8, 9, 9) + 9*x(9, 9, 9)
目标函数看起来合理，因为它是标量表达的总和。
将约束写入文件以进行检查。
写（prob.constraints.cons1，'cons1.txt'）写（prob.constraints.cons2，'cons2.txt'）写（prob.constraints.cons3，'cons3.txt'）写（prob.constraints.cons4，'cons4.txt'）
审查cons4.txt.而且你看到了一个错误。所有约束都是不平等而非平等。更正创建此约束的代码行，并在问题中置于纠正的约束。
cons4 = optimconstr(3、3、9);为u = 1:3 v = 1:3 arr = x (3 * (u-1) + 1:3 * (u-1) + 3, 3 *(它们)+ 1:3 *(它们)+ 3:);CONS4（U，V，：）= SUM（SUM（ARR，1），2）== ONE（1,1,9）;结束end prob.constraints.cons4 = cons4;
在这些更改后，您可以成功解决问题。
sol =解决（prob）;x =圆形（sol.x）;y = y =（尺寸（x））;对于k = 2：9 y（：，：，k）= k;每个深度k结束s = x的％乘法器。* y;％乘以其深度S = SUM（S，3）;％s是9-by-9并握住求助的拼图拉丝
重复变量名称
如果重新创建一个变量，但是已经有一个使用旧变量的表达式，那么在将表达式合并到单个问题中时可能会出现错误。看禁止重复名称的变量。
也可以看看
优化混合物|优化表达|优化问题|优化Variable.|显示|showbounds|写|写作
相关的话题
您还可以从以下列表中选择一个网站：
