首先选择基于问题或基于求解器的方法
Optimization Toolbox™ 有两种求解优化问题或方程的方法:基于问题和基于求解器。在您开始求解问题之前,您必须首先选择合适的方法。
下表总结了这两种方法的主要区别。
方法 | 特征 |
---|---|
基于问题的优化设置 | 更易于创建和调试 |
提供可视化界面;请参阅优化实时编辑器任务 | |
以符号形式表示目标和约束 | |
需要从问题形式转换为矩阵形式,可能求解时间更长 | |
在很多情况下自动计算和使用目标和非线性约束函数的梯度,但不计算 Hessian 矩阵;请参阅自动微分 | |
请参阅基于问题的优化工作流或基于问题的方程求解工作流中的步骤 | |
基本线性示例:混合整数线性规划基础:基于问题或视频使用优化建模求解混合整数线性规划问题 基本非线性示例:基于问题求解有约束非线性问题: 基本方程求解示例:基于问题求解非线性方程组 | |
基于求解器的优化问题设置 | 更难于创建和调试 |
提供可视化界面;请参阅优化实时编辑器任务 | |
将目标和约束表示为函数或矩阵 | |
不需要从问题形式转换为矩阵形式,可能求解时间更短 | |
允许直接包含梯度或 Hessian 矩阵,但不自动计算它们 | |
允许在大型问题中使用 Hessian 矩阵乘法函数或 Jacobian 矩阵乘法函数来节省内存 请参阅Quadratic Minimization with Dense, Structured Hessian或Jacobian Multiply Function with Linear Least Squares。 | |
请参阅基于求解器的优化问题设置中的步骤 | |
基本线性示例:混合整数线性规划基础:基于求解器 基本非线性示例:使用优化实时编辑器任务或求解器的有约束非线性问题 基本方程求解示例:示例 |