Прежде чем приступить к решению задачи оптимизации, необходимо выбрать подходящий подход: на основе задач или на основе решателей. Дополнительные сведения см. в разделе Первый выбор подхода на основе проблем или подхода на основе решателей.
Сведения о настройке задачи см. в разделе Настройка задачи оптимизации на основе решателя.
fminbnd | Найти минимум однопараметрической функции на фиксированном интервале |
fmincon | Найти минимум ограниченной нелинейной многовариантной функции |
fminsearch | Найти минимум неограниченной многовариантной функции методом без производных |
fminunc | Найти минимум неограниченной многовариантной функции |
fseminf | Найти минимум полубесконечно ограниченной многовариантной нелинейной функции |
| Оптимизировать | Оптимизация или решение уравнений в интерактивном редакторе |
Показывает, как решить минимум функции Розенброка с помощью различных решателей с градиентами или без них.
Неограниченная минимизация с помощью fminunc
Пример неограниченного нелинейного программирования.
Минимизация с градиентом и гессенским
Пример неограниченного нелинейного программирования, включая производные.
Минимизация с помощью шаблона градиента и гессенского разрежения
Пример нелинейного программирования с использованием некоторой производной информации.
Учебное пособие по оптимизации Toolbox™
Пример учебного пособия, показывающий, как решать нелинейные задачи и передавать дополнительные параметры.
Задача оптимизации интерактивного редактора с помощью решателя fmincon
Пример нелинейного программирования с ограничениями с помощью задачи «Оптимизировать оперативный редактор».
Ограничения нелинейного неравенства
Пример нелинейного программирования с нелинейными ограничениями неравенства.
Нелинейные зависимости с градиентами
Пример нелинейного программирования с производной информацией.
fmincon Interior-Point Алгоритм с аналитическим Гессеном
Пример нелинейного программирования со всей производной информацией.
Линейный или квадратичный объект с квадратичными ограничениями
В этом примере показано, как решить задачу оптимизации, имеющую линейные или квадратичные целевые и квадратичные ограничения неравенства.
Ограничения нелинейного равенства и неравенства
Нелинейное программирование с обоими типами нелинейных ограничений.
Использование всех типов ограничений
Пример, показывающий все ограничения.
Получите наилучшую возможную точку
Найдите наилучшую осуществимую точку в output структура.
Минимизация с помощью ограничивающих ограничений и Banded Predictioner
Пример, показывающий повышение эффективности, возможное при структурированных нелинейных проблемах.
Минимизация с помощью линейных ограничений равенства, алгоритм отражения области доверия
Пример нелинейного программирования только с линейными ограничениями равенства.
Минимизация с помощью плотных структурированных гессенских линейных уравнений
Пример, показывающий, как сохранить память в нелинейном программировании со структурированными гессенскими и только линейными ограничениями равенства или только границами.
Расчет градиентов и гессенов с помощью символьных математических Toolbox™
Пример вычисления производных для решателей оптимизации.
Использование символической математики с оптимизацией решающие устройства Toolbox™
Для создания градиентов и гессенов используйте Toolbox™ символьной математики.
Создание кода в фоновом режиме fmincon
Предпосылки для создания кода C для нелинейной оптимизации.
Создание кода для основ оптимизации
Узнайте об основах создания кода для fmincon решатель оптимизации.
Статическое выделение памяти для генерации кода fmincon
Используйте статическое выделение памяти при создании кода при изменении проблемы.
Создание кода оптимизации для приложений реального времени
Изучите методы обработки требований в реальном времени в сгенерированном коде.
Одномерные полупредельные зависимости
Пример использования одномерных полупредельных зависимостей в нелинейном программировании.
Двухмерная полубесконечная зависимость
Пример использования двумерных полупредельных зависимостей в нелинейном программировании.
Анализ влияния неопределенности с помощью полулегкого программирования
В этом примере показано, как использовать полулегкое программирование для исследования влияния неопределенности в параметрах модели задачи оптимизации.
Что такое параллельные вычисления в инструменте оптимизации?
Для оптимизации используйте несколько процессоров.
Использование параллельных вычислений в инструменте оптимизации
Выполнить оценку градиента параллельно.
Повышение производительности благодаря параллельным вычислениям
Изучите факторы ускорения оптимизации.
Сведение к минимуму дорогостоящей проблемы оптимизации с помощью параллельных вычислений Toolbox™
Пример использования параллельных вычислений в решателях Global Optimization Toolbox и Optimization Toolbox™.
Оптимизация моделирования или обычного дифференциального уравнения
Особые соображения по оптимизации моделирования, целевых функций «черного ящика» или ОДУ.
Алгоритмы нелинейной оптимизации без ограничений
Минимизация одной целевой функции в n измерениях без ограничений.
Алгоритмы нелинейной оптимизации с ограничениями
Минимизация одной целевой функции в n измерениях с различными типами ограничений.
Шаги, которые fminsearch используется для минимизации функции.
Ссылка на параметры оптимизации
Изучите возможности оптимизации.
Локальные и глобальные оптимумы
Объясняет, почему решатели могут не найти наименьшего минимума.
Список опубликованных материалов, поддерживающих концепции, реализованные в алгоритмах решателя.