Прежде чем вы начнете решать задачу оптимизации, необходимо выбрать соответствующий подход: основанный на проблеме или основанный на решателе. Для получения дополнительной информации смотрите Первый выбор Основанный на проблеме или Основанный на решателе подход.
Для настройки проблемы см. Настройку Задачи Оптимизации на Основе Решателя.
fminbnd | Найдите минимум функции одной переменной на фиксированном интервале |
fmincon | Найдите минимум ограниченной нелинейной многомерной функции |
fminsearch | Найдите минимум без ограничений многомерной функции с помощью метода без производных |
fminunc | Найдите минимум без ограничений многомерной функции |
fseminf | Найдите минимум полу-бесконечно ограниченной многомерной нелинейной функции |
| Optimize | Оптимизируйте или решите уравнения в Live Editor |
Показывает, как решить для минимума функции Розенбрка с помощью других решателей, с градиентами или без.
Минимизация без ограничений с использованием fminunc
Пример нелинейного программирования без ограничений.
Минимизация с градиентом и Гессианом
Пример нелинейного программирования без ограничений, включая производные.
Минимизация с градиентом и Гессианской разреженностью Шаблона
Пример нелинейного программирования с использованием некоторой производной информации.
Руководство по Optimization Toolbox™
Учебный пример, показывающий, как решить нелинейные задачи и передать дополнительные параметры.
Оптимизируйте задачу Live Editor с помощью решатель fmincon
Пример нелинейного программирования с ограничениями с помощью задачи Оптимизации Live Editor.
Нелинейные ограничения неравенства
Пример нелинейного программирования с нелинейными ограничениями неравенства.
Нелинейные ограничения с градиентами
Пример нелинейного программирования с производной информацией.
алгоритм fmincon Interior-Point с аналитическим Гессианом
Пример нелинейного программирования со всей производной информацией.
Линейный или квадратичный объект с квадратичными ограничениями
Этот пример показывает, как решить задачу оптимизации, которая имеет линейную или квадратичную цель и квадратичные ограничения неравенства.
Нелинейные ограничения равенства и неравенства
Нелинейное программирование с обоими типами нелинейных ограничений.
Как использовать все типы ограничений
Пример, показывающий все ограничения.
Получение наилучшей допустимой точки
Нахождение наилучшей допустимой точки в output структура.
Минимизация с связанными ограничениями и граничным предварительным кондиционером
Пример, показывающий возможное повышение эффективности при структурированных нелинейных задачах.
Минимизация с линейными ограничениями равенства, отражающий алгоритм доверительной области
Пример, показывающий нелинейное программирование только с линейными ограничениями равенства.
Минимизация с плотным структурированным Гессианом, линейными равенствами
Пример, показывающий, как сохранить память в нелинейном программировании со структурированным Гессианом и только линейными ограничениями равенства или только границами.
Вычислите градиенты и гессианы, используя Symbolic Math Toolbox™
Пример, показывающий, как вычислить производные символически для решателей оптимизации.
Использование символьной математики с Optimization Toolbox™ решателями
Используйте Symbolic Math Toolbox™, чтобы сгенерировать градиенты и гессианы.
Генерация кода в фоновом режиме fmincon
Необходимые условия для генерации кода С для нелинейной оптимизации.
Генерация кода для основ оптимизации
Изучение основ генерации кода для fmincon решатель оптимизации.
Статическое выделение памяти для генерации кода fmincon
Используйте статическое выделение памяти в генерации кода, когда проблема меняется.
Генерация кода оптимизации для приложений реального времени
Исследуйте методы обработки требований в реальном времени в сгенерированном коде.
Одномерные полуточечные ограничения
Пример, показывающий, как использовать одномерные полубесконечные ограничения в нелинейном программировании.
Двумерное полунепрерывное ограничение
Пример, показывающий, как использовать двумерные полубесконечные ограничения в нелинейном программировании.
Анализ эффекта неопределенности с помощью полубесконечного программирования
Этот пример показывает, как использовать полубесконечное программирование для исследования эффекта неопределенности в параметрах модели задачи оптимизации.
Что такое параллельные вычисления в Optimization Toolbox?
Используйте несколько процессоров для оптимизации.
Использование параллельных вычислений в Optimization Toolbox
Выполните оценку градиента параллельно.
Повышение эффективности при параллельных вычислениях
Исследуйте факторы для ускорения оптимизации.
Минимизация дорогостоящей задачи оптимизации с помощью Parallel Computing Toolbox™
Пример, показывающий, как использовать параллельные вычисления как в Global Optimization Toolbox, так и в решателях Optimization Toolbox™.
Оптимизация симуляции или обыкновенного дифференциального уравнения
Особые факторы в оптимизации симуляций, черного ящика целевых функций или ОДУ.
Нелинейные алгоритмы оптимизации без ограничений
Минимизация одной целевой функции в n размерностях без ограничений.
Ограниченные алгоритмы нелинейной оптимизации
Минимизация одной целевой функции в n размерностях с различными типами ограничений.
Шаги, которые fminsearch принимает, чтобы минимизировать функцию.
Исследуйте опции оптимизации.
Локальный и глобальный оптимумы
Объясняет, почему решатели могут не найти наименьший минимум.
Перечисляет опубликованные материалы, которые поддерживают концепции, реализованные в алгоритмах решателя.
