主要内容

具体问题具体分析优化工作流程

请注意

最优化工具箱™提供了两种解决单目标优化问题的方法。本主题描述基于问题的方法。基于求解器的优化问题设置描述基于求解器的方法。

要解决优化问题，请执行以下步骤。

  • 使用。创建一个优化问题对象optimproblem．问题对象是一个容器，您可以在其中定义目标表达式和约束。优化问题对象定义了问题和存在于问题变量中的任何边界。

    例如，创建一个最大化问题。

    概率= optimproblem (“ObjectiveSense”，“最大化”）;

  • 使用optimvar．优化变量是用来描述问题目标和约束条件的符号变量。在变量定义中包含任何边界。

    例如，创建一个15乘3的二进制变量数组“x”．

    x = optimvar (“x”15日3“类型”，“整数”，下界的0,“UpperBound”1);

  • 将问题对象中的目标函数定义为命名变量中的表达式。

    请注意

    如果你有一个非线性函数，它不是由多项式、有理表达式和初等函数组成的经验值，然后使用以下命令将函数转换为优化表达式fcn2optimexpr．看到将非线性函数转换为优化表达式和万博1manbetx支持优化变量和表达式的操作．

    如果有必要，在表达式中包含额外的参数作为工作区变量;看到在基于问题的方法中传递额外参数．

    例如，假设你有一个实矩阵f与变量矩阵的大小相同x，目标是所有条目的总和f乘以相应的变量x．

    概率。目标=总和(sum (f。* x));

  • 将优化问题的约束定义为命名变量的比较或表达式的比较。

    请注意

    如果你有一个非线性函数，它不是由多项式、有理表达式和初等函数组成的经验值，然后使用以下命令将函数转换为优化表达式fcn2optimexpr．看到将非线性函数转换为优化表达式和万博1manbetx支持优化变量和表达式的操作．

    例如，假设每一行变量的和x必须为1，且每一列中变量的和不能大于1。

    one = sum(x,2) == 1;Vertsum = sum(x,1) <= 1;prob.Constraints.onesum = onesum;prob.Constraints.vertsum = vertsum;

  • 对于非线性问题，设初始点为一个结构，其字段为优化变量名。例如:

    x0。x= randn(size(x)); x0.y = eye(4);%假设y是一个4 × 4的变量

  • 用实际行动解决问题解决．

    索尔=解决(问题);或者，对于非线性问题，索尔=解决(x0概率)

除了这些基本步骤外，您还可以在解决问题之前使用显示或写．设置选项解决通过使用optimoptions，如更改默认解算器或选项．

警告

基于问题的方法不支持目标函数、非线性等式或非线性不等式中的复值。万博1manbetx如果函数计算具有复值，即使是中间值，最终结果也可能是不正确的。

关于一个基本的混合整数线性规划的例子，见混合整数线性规划基础:基于问题或者视频版本求解一个混合整数线性规划问题的优化建模．有关非线性的例子，请参见基于问题的约束非线性问题的求解．有关更广泛的示例，请参见具体问题具体分析非线性优化，线性规划与混合整数线性规划,或二次规划与锥规划．

另请参阅

||||||

相关的话题

优化工具箱的文档

万博1manbetx

8 MATLAB数据科学备忘单

8 MATLAB数据科学备忘单

立即下载