Optimization Toolbox™ предлагает функции для нахождения параметров, которые минимизируют или максимизируют цели с учётом ограничений. Тулбокс включает решатели для линейного программирования (LP), смешано-целочисленного линейного программирования (MILP), квадратичного программирования (QP), нелинейного программирования (NLP), линейного метода наименьших квадратов с ограничениями, нелинейного метода наименьших квадратов и нелинейных уравнений. Можно задать задачу оптимизации с функциями и матрицами или путем определения переменных выражений, которые отражают базовую математику.
Можно использовать решатели тулбокса, чтобы найти оптимальные решения непрерывных и дискретных задач, выполнить сравнительные анализы и включить методы оптимизации в алгоритмы и приложения. Тулбокс позволяет вам выполнить проектные задачи оптимизации, включая оценку параметра, выбор компонента и настройку параметра. Это может использоваться, чтобы найти оптимальные решения в приложениях, таких как оптимизация портфеля, распределение ресурсов, и производственное планирование и составление расписаний.
Существует два подхода к использованию решателей Optimization Toolbox: основанный на проблеме и основанный на решателе. Прежде чем вы начнете, выберете подход.
Основной пример решения нелинейной задачи оптимизации с нелинейным ограничением с помощью подхода, основанного на проблеме.
Представляет пример, который минимизирует нелинейную функцию с нелинейным ограничением.
Формулировка линейной задачи с помощью подхода, основанного на проблеме.
Формулировка задачи с помощью основанного на решателе подхода.
Установите свои опции или запустите вашу оптимизацию визуально.
Представляет оптимизацию как способ нахождения множества параметров, которые могут быть определены как оптимальные. Эти параметры получаются путем минимизации или максимизации целевой функции, удовлетворяющей ограничениям равенствам или неравенствам и/или параметрическим границам.
Что такое оптимизационный решатель?
Объясняет, почему решатели могут не найти наименьший минимум.