二次编程和锥形编程
在开始解决优化问题之前，必须选择适当的方法：基于问题或基于求解器的方法。有关详细信息，请参阅首先选择基于问题的或基于求解的方法。
对于基于问题的方法，创建问题变量，然后在这些符号变量方面表示目标函数和约束。对于基于问题的步骤，请参阅基于问题的优化工作流程。要解决结果问题，使用解决。
对于基于求解器的步骤，包括定义目标函数和约束，并选择合适的求解器，请参阅基于求解器的优化问题设置。要解决结果问题，使用Quadprog.或者Coneprog.。
职能
实时编辑任务
| 优化 | 优化或求解实时编辑器中的方程 |
对象
ThemondrelConeConstraint. |
二阶锥约束对象 |
话题
基于问题的二次编程
展示如何使用不同算法解决基于问题的二次编程问题。
展示如何使用基于问题的方法来解决大型稀疏二次程序。
示例显示基于大规模的基于问题的二次编程。
示例显示基于基本投资组合模型的基于问题的二次编程。
基于求解的二次编程
具有绑定约束和各种选项的二次编程示例。
此示例显示了具有许多线性约束问题的主动集算法的益处。
表明，温暖的开始可以在大型二次程序中有效。
描述如何最好地使用热启动来加快重复的解决方案。万博 尤文图斯
示例显示如何在结构化二次程序中保存内存。
示例显示如何通过使用稀疏二次矩阵在二次程序中保存内存。
示例显示基于求解器的大型二次编程。
示例显示基于求解器的二次编程基本产品组合模型。
基于问题的二阶锥编程
呈现一个基于问题的锥形编程的示例。
本节提供了一种使用各种锥形编程问题的时序信息linearsolver选项设置。
要求解决使用Coneprog.对于问题解决方案。
基于求解器的二阶锥形编程
使用锥形编程解决机械质量弹簧问题。
将二次约束转换为Coneprog.形式。
将二次编程问题转换为二阶锥问题。
代码生成
先决条件生成C代码以进行二次优化。
了解代码生成的基础知识Quadprog.优化求解器。
描述如何最好地使用热启动来加快重复的解决方案。万博 尤文图斯
探索处理生成代码中实时要求的技术。
基于问题的算法
优化功能和对象如何解决优化问题。
要求解决使用Coneprog.对于问题解决方案。
列出在优化变量和表达式上的所有可用数学和索引操作。
您还可以从以下列表中选择一个网站：
