Optimization Toolbox 快速入门
求解线性优化、二次优化、锥优化、整数优化和非线性优化问题
Optimization Toolbox™ 提供了多个函数,这些函数可在满足约束的同时求出可最小化或最大化目标的参数。该工具箱包含适用于下列各项的求解器:线性规划 (LP)、混合整数线性规划 (MILP)、二次规划 (QP)、二阶锥规划 (SOCP)、非线性规划 (NLP)、约束线性最小二乘、非线性最小二乘和非线性方程。
您可以用函数和矩阵来定义优化问题,也可以通过指定反映底层数学关系的变量表达式来定义。您可以使用目标函数和约束函数的自动微分来更快地获得更准确的解。
您可以使用该工具箱提供的求解器求连续和离散问题的最优解,执行权衡分析,并将优化方法融入算法和应用中。该工具箱允许您执行设计优化任务,包括参数估计、分量选择和参数调整。它使您能够在投资组合优化、能源管理和交易以及生产规划等应用中找到最优解。
教程
- 首先选择基于问题或基于求解器的方法
使用 Optimization Toolbox 求解器有两种方法:基于问题和基于求解器。开始之前,请选择方法。
- 基于问题求解有约束非线性问题:
使用基于问题的方法求解具有非线性约束的非线性优化问题的基本示例。
- 使用优化实时编辑器任务或求解器的有约束非线性问题
使用可视化方法或基于文本的方法最小化具有非线性约束的非线性函数。
- 基于问题的优化实时编辑器任务快速入门
使用基于问题的优化实时编辑器任务的基本示例。
- 有效使用基于问题的优化实时编辑器任务
如何使用和理解基于问题的优化实时编辑器任务。
- 开始使用基于求解器的优化实时编辑器任务
使用基于求解器的优化实时编辑器任务修改的示例脚本。
- 有效使用基于求解器的优化实时编辑器任务
如何有效地使用基于求解器的优化实时编辑器任务。
- 基于问题设置线性规划
使用基于问题的方法表示线性问题。
- 基于求解器设置线性规划
使用基于求解器的方法表示问题。
关于优化
- 优化理论概述
介绍优化,它是一种寻找能够定义为最优的一组参数的方法。这些参数通过最小化或最大化一个目标函数来获得,该目标函数可能需要满足等式或不等式约束以及参数边界。
- Optimization Toolbox 求解器
优化求解器的说明。
- 局部最优与全局最优
解释为什么求解器可能找不到最小的最小值。