Optimization Toolbox™ предоставляет функции для нахождения параметров, которые минимизируют или максимизируют цели с учетом ограничений. Тулбокс включает решатели для линейного программирования (LP), смешано-целочисленного линейного программирования (MILP), квадратного программирования (QP), программирования конуса второго порядка (SOCP), нелинейного программирования (NLP), ограниченного линейного метода наименьших квадратов, 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 автоматическую дифференциацию целевых и ограничительных функций для более быстрых и точных решений.
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 позволяет вам найти оптимальные решения в таких приложениях, как оптимизация портфеля, управление энергопотреблением и торговля, а также планирование производства.
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 основанного на проблеме подхода.
Представляет пример, который минимизирует нелинейную функцию с нелинейным ограничением.
Пример скрипта, который нужно изменить для использования задачи Оптимизации Live Editor.
Как эффективно использовать задачу Оптимизации Live Editor.
Формулировка линейной задачи с использованием основанного на проблеме подхода.
Формулировка задачи с помощью основанного на решателе подхода.
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.
Описания решателей оптимизации.
Объясняет, почему решатели могут не найти наименьший минимум.