创建优化问题结构
问题= createOptimProblem (“solverName”)
问题= createOptimProblem (“solverName”、“ParameterName”、ParameterValue…)
问题= createOptimProblem (“solverName”)
方法创建空的优化问题结构solverName
解算器。
问题= createOptimProblem (“solverName”、“ParameterName”、ParameterValue…)
接受一个或多个逗号分隔的参数名称/值对。指定ParameterName
在单引号。
|
求解器的名称。对于一个 |
|
矩阵为线性等式约束。约束的形式如下:
|
|
矩阵为线性不等式约束。约束的形式如下:
|
|
线性等式约束的向量。约束的形式如下:
|
|
线性不等式约束的向量。约束的形式如下:
|
|
下界向量。
|
|
函数句柄为非线性约束函数。约束函数必须接受一个向量 如果 有关更多信息,请参见写约束。 |
|
函数句柄到目标函数。对于所有的解算器,除了 有关更多信息,请参见计算目标函数。 |
|
优化选项。创建选项 |
|
上界的向量。
|
|
一个向量,一个优化的潜在起点。给出了问题的维数。
|
|
数据点的向量 |
|
数据点的向量 |
|
结构优化问题。 |
使用Rosenbrock的函数创建一个问题结构作为目标(参见遗传算法中的混合方案),内点
算法fmincon
和带绝对值的界限2
:
anonrosen = @ (x) (100 * (x (2) - (1) ^ 2) ^ 2 + (1 - x (1)) ^ 2);选择= optimoptions (@fmincon、“算法”、“内点”);问题= createOptimProblem (fmincon, x0, randn (2, 1),…anonrosen“客观”,“磅”,(2);2),乌兰巴托,(2,2),……“选项”,选择);