优化工具箱
解决线性、二次、整数和非线性优化问题
优化工具箱™查找用于最小化或最大化的目标,同时满足约束的参数提供的功能。该工具箱包括用于线性规划(LP),混合整数线性规划(MILP),二次规划(QP),非线性规划(NLP)解算器,约束线性最小二乘法,非线性最小二乘,和非线性方程。您可以使用函数和矩阵或指定变量表达式,反映底层的数学定义优化问题。
您可以使用工具箱求解程序来寻找连续和离散问题的最优解决方案,执行权衡分析,并将优化方法合并到算法金宝搏官方网站和应用程序中。工具箱允许您执行设计优化任务,包括参数估计、组件选择和参数调优。它可用于在投资组合优化、资源分配、生产计划和调度等应用程序中寻金宝搏官方网站找最优解决方案。
入门:
基于问题的优化
写使用反映数学形式表达的MATLAB的目标和约束。与优化变量,数学运算,矩阵运算和变量的函数构建这些。应用自动选择的解算器。
求解基于优化
在MATLAB中编写目标和约束,非线性时使用函数,线性时使用系数矩阵。使用MATLAB矩阵运算、数学运算符和函数来构建这些函数。使用适当的解决方案。
审查和改进结果
回顾最优性度量和迭代显示以评估解决方案。使用退出消息中的链接了解更多信息。通过提供梯度或使用并行计算来估计梯度来提高非线性问题的性能。
应用
使用非线性优化用于估计和调整参数,找到最佳设计中,计算最佳的轨迹,构建健壮组合,以及其他应用中存在的变量之间的非线性关系。
解决者
使用分枝定界算法求解混合整数线性规划问题,包括预处理、生成可行点的启发式算法和切割平面。
应用
用整数变量模型时有开/关的决策或逻辑约束以及当变量值必须是一体的。路由,调度,规划,分配和资本预算的问题是典型的应用。
解决者
制定问题,无论是目标达成或极小。使用目标达成时有选择性加权的目标值为每个目标。使用极小的一组目标函数的最坏情况下的值最小。
应用
当两个或多个相互冲突的目标需要权衡时,使用多目标优化。例如结构设计中的权重和强度,以及投资组合优化中的风险和回报。
解决者
应用Levenberg-Marquardt、trust-region、active-set或inner -point算法。
应用非线性最小二乘
使用非线性最小二乘解算器,以适应非线性模型来获取的数据或非线性方程组求解,当参数都受到约束的约束包括的系统。
MATLAB编译器支持金宝app
使用MATLAB编译器™和MATLAB编译SDK™部署MATLAB优化模型作为独立的可执行文件,Web应用程序,C / C ++共享库,微软®net程序集,Java®Python类,®包。
代码生成
生成C/ c++代码来解决二次规划问题quadprog
(需要MATLAB编码器)
代码生成
生成C/ c++代码来解决非线性约束优化问题fmincon
(需要MATLAB编码器)
优化建模
利用优化变量的初等函数定义非线性优化目标函数或约束条件
二次规划和线性最小二乘法
迅速而准确地解决问题,密集使用的有效集算法
整数线性规划
获得可行点额外的启发式更快
不可行性分析示例
通过寻找不可约不可行子集或最大可行子集来识别冲突的线性约束
看到发布说明有关这些功能和相应功能的详细信息。