optimoptions

options = fmincon options: options used by current Algorithm (' internal -point'):(其他可用算法:'active-set'， 'sqp'， 'sqp-legacy'， 'trust-region-reflective')默认属性:Algorithm: ' internal -point' BarrierParamUpdate: 'monotone' CheckGradients: 0 constrainttrance: 1.0000e-06 Display: 'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType: 'forward' HessianApproximation: 'bfgs' HessianFcn: [] HessianMultiplyFcn: [] HonorBounds: 1 maxfunctionevaluates: 3000 MaxIterations:1000 ObjectiveLimit: -1.0000 e + 20 OptimalityTolerance: 1.0000 e-06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 SpecifyConstraintGradient: 0 SpecifyObjectiveGradient: 0 StepTolerance: 1.0000平台以及SubproblemAlgorithm:“分解”TypicalX:“(numberOfVariables, 1)的”UseParallel: 0显示选项不习惯目前的算法(“内点”)

创建默认的选项

打开直播脚本

设置选项fmincon用来SQP.算法，最多1500次迭代。

选择= optimoptions (@fmincon,“算法”，'SQP'，“MaxIterations”, 1500)

设置属性:Algorithm: 'sqp' MaxIterations: 1500默认属性:CheckGradients: 0 constraintttolerance: 1.0000e-06 Display: 'final' FiniteDifferenceStepSize:maxfunction evaluates: '100*numberOfVariables' objectilimit: -1.0000e+20 OptimalityTolerance: 1.0000e-06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 specificconstraintgradient: 0 specificobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel:显示当前算法未使用的选项('sqp')

更新选项

打开直播脚本

使用新值更新现有选项。

为lsqnonlin求解器的使用levenberg-marquardt算法和最多1500个功能评估

oldOptions = Optimoptions（@lsqnonlin，“算法”，“levenberg-marquardt”，．..“MaxFunctionEvaluations”, 1500)

oldoptions = lsqnonlin options: options used by current Algorithm ('levenberg-marquardt'):(其他可用算法:' trusted -region-reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionevalues: 1500默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType:'forward' FunctionTolerance: 1.0000e-06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] speciyobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法未使用的选项(' levenbermarquardt ')

增加MaxFunctionEvaluations到2000年。

选项= Optimoptions（OldOptions，“MaxFunctionEvaluations”，2000）

options = lsqnonlin options: options used by current Algorithm ('levenberg-marquardt'):(其他可用算法:' trusted -region-reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionevalues: 2000默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType:'forward' FunctionTolerance: 1.0000e-06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] speciyobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法未使用的选项(' levenbermarquardt ')

使用DOT表示法更新选项

打开直播脚本

使用点表示法用新值更新现有选项。

为lsqnonlin求解器的使用levenberg-marquardt算法和最多1500个功能评估

选择= optimoptions (@lsqnonlin,“算法”，“levenberg-marquardt”，．..“MaxFunctionEvaluations”, 1500)

options = lsqnonlin options: options used by current Algorithm ('levenberg-marquardt'):(其他可用算法:' trusted -region-reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionevalues: 1500默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType:'forward' FunctionTolerance: 1.0000e-06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] speciyobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法未使用的选项(' levenbermarquardt ')

增加MaxFunctionEvaluations通过使用点表示法来2000。

options.maxfunctionevaluations = 2000.

options = lsqnonlin options: options used by current Algorithm ('levenberg-marquardt'):(其他可用算法:' trusted -region-reflective')设置属性:Algorithm: 'levenberg-marquardt' maxfunctionevalues: 2000默认属性:CheckGradients: 0显示:'final' FiniteDifferenceStepSize: 'sqrt(eps)' FiniteDifferenceType:'forward' FunctionTolerance: 1.0000e-06 MaxIterations: 400 OutputFcn: [] PlotFcn: [] speciyobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法未使用的选项(' levenbermarquardt ')

将选项复制到另一个求解器

打开直播脚本

的非默认选项fmincon解算器的选项fminunc解算器。

设置选项fmincon使用SQP算法和最多1500个迭代。

oldoptions = optimoptions (@fmincon,“算法”，'SQP'，“MaxIterations”, 1500)

oldoptions = fmincon options: options used by current Algorithm ('sqp'):(其他可用算法:'active-set'， ' internal -point'， 'sqp-legacy'， 'trust-region-reflective')设置属性:算法:'sqp' MaxIterations: 1500默认属性:CheckGradients: 0 constraintolerance: 1.0000e-06 Display: 'final' FiniteDifferenceStepSize:maxfunction evaluates: '100*numberOfVariables' objectilimit: -1.0000e+20 OptimalityTolerance: 1.0000e-06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 specificconstraintgradient: 0 specificobjectivegradient: 0 StepTolerance: 1.0000e-06 TypicalX: 'ones(numberOfVariables,1)' UseParallel:显示当前算法未使用的选项('sqp')

将适用的选项转移到fminunc解算器。

选择= optimoptions (@fminunc oldoptions)

设置属性:CheckGradients: 0 FiniteDifferenceType: 'forward' MaxIterations: 1500 OptimalityTolerance: 1.0000e-06 PlotFcn: [] specificobjectivegradient: 0 StepTolerance: 1.0000e-06默认属性:Algorithm:输出:[]TypicalX: 'ones(numberOfVariables,1)' UseParallel: 0显示当前算法未使用的选项('类牛顿')

算法选项没有转移到fminunc因为'SQP'不是一个有效的算法选项fminunc．

查找优化问题的求解器和默认选项

打开直播脚本

创建一个优化问题，并找到默认的解决方案和选项。

RNG.默认的x = optimvar (“x”，3，下界的, 0);Expr = x'*(eye(3) + randn(3))*x - randn(1,3)*x;概率= optimproblem (“目标”, expr);选项= optimoptions(概率)

选项= QuadProg选项：当前算法（'Interion-point-convex'）使用的选项:(其他可用算法：'活动集'，'信任区域反光'）设置属性：无选项集。默认属性：算法：'内部点凸'约束约束：1.0000E-08显示：'Final'Linearsolver：'Auto'MaxIrlations：200 OptimalalAlytolance：1.0000E-08 StepTolerance：1.0000E-12显示当前算法不使用的选项（'Internal-point-convex'）

默认解算器为Quadprog.．

设置要使用迭代显示的选项。找到解决方案。

选项。显示=“通路”;sol =解决（prob，“选项”、选择);

使用Quadprog解决问题。你的黑森州不对称。重置H =（H + H'）/ 2。ITER FVAL PRIMAL INFEAS双INFEAS互补0 2.018911E + 00 0.0000000 + 00 2.757660E + 00 6.535839C-01 1 -2.170204C + 00 0.5 00000E + 00 8.881784E-16 2.586177E-01 2 -3.405808E + 00 0.000000E+00 8.881784E-16 2.244054E-03 3 -3.438788E + 00 0.000000E + 00 3.356690E-16 7.261144E-09最小，以满足约束。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。