优化工具箱™提供了一些函数,用于查找在满足约束条件的同时最小化或最大化目标的参数。工具箱包括线性规划(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的求解器。
您可以用函数和矩阵定义优化问题,或者通过指定反映底层数学的变量表达式。您可以使用目标函数和约束函数的自动微分来获得更快和更精确的解。
您可以使用工具箱求解器来寻找连续和离散问题的最优解决方案,执行权衡分析,并将优化方法合并到算法和应用程序中。该工具箱允许您执行设计优化任务,包括参数估计、组件选择和参数调优。它使您能够在诸如投资组合优化、能源管理和交易以及生产计划等应用程序中找到最佳解决方案。
开始:
具体问题具体分析优化
用优化变量的表达式写出目标和约束条件。对非线性表达式进行自动微分,求解速度更快,更稳健。应用自动选择的求解器。以交互方式创建并解决问题,使用Optimize Live Editor任务,然后生成代码以共享或在应用程序中使用。
Solver-Based优化
使用函数编写非线性目标和约束;用系数矩阵写出线性目标和约束条件。以交互方式创建并解决问题,使用Optimize Live Editor任务,然后生成代码以共享或在应用程序中使用。
应用程序
使用非线性优化来估计和调优参数,寻找最佳设计,计算最佳轨迹,构建稳健的投资组合,以及其他变量之间存在非线性关系的应用。
应用程序
在诸如资源配置、生产计划、混合和投资计划等问题上使用线性规划。将二次锥规划和二阶锥规划应用于水电站设计优化、组合优化和控制等问题。
解决者
利用分支定界算法解决混合整数线性规划问题,其中包括预处理、生成可行点的启发式算法和切割平面算法。
应用程序
当存在开/关决策或逻辑约束以及变量值必须为整数时,使用整数变量建模。路由、调度、计划、分配和资本预算问题是典型的应用。
应用程序
当需要权衡冲突的目标时,使用多目标优化。例如结构设计中的权重和强度,投资组合优化中的风险和回报。
应用非线性最小二乘
使用非线性最小二乘解算器来拟合获取数据的非线性模型或求解非线性方程组,包括当参数受约束约束时。
MATLAB编译器支持
使用MATLAB编译器™而且MATLAB编译器SDK™部署MATLAB®优化模型作为独立的可执行程序,web应用程序,C/ c++共享库,微软®net程序集,Java®Python类,®包。