Прежде чем вы начнете решать задачу оптимизации, необходимо выбрать соответствующий подход: основанный на проблеме или основанный на решателе. Для получения дополнительной информации смотрите, Сначала Выбирают Problem-Based or Solver-Based Approach.
Для настройки задач смотрите 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 неограниченной многомерной функции с помощью метода без производных |
fminunc | Найдите минимум неограниченной многомерной функции |
fseminf | Найдите минимум полубесконечно ограниченной многомерной нелинейной функции |
| Optimize | Оптимизируйте или решите уравнения в Live Editor |
Показывает, как решить для минимума функции Розенброка, использующей другие решатели, с или без градиентов.
Безусловная минимизация Используя fminunc
Пример неограниченного нелинейного программирования.
Минимизация с градиентом и гессианом
Пример неограниченного нелинейного программирования включая производные.
Минимизация с шаблоном разреженности градиента и гессиана
Пример нелинейного программирования с помощью некоторой производной информации.
Пример для Optimization Toolbox™
Учебный пример, показывающий, как решить нелинейные задачи и передать дополнительные параметры.
Оптимизируйте Live Editor Тэска с решателем fmincon
Пример нелинейного программирования с ограничениями с помощью Оптимизировать Live Editor Тэска.
Нелинейные ограничения неравенства
Пример нелинейного программирования с нелинейными ограничениями неравенства.
Нелинейные ограничения с градиентами
Пример нелинейного программирования с производной информацией.
Алгоритм Внутренней точки fmincon с Аналитическим Гессианом
Пример нелинейного программирования со всей производной информацией.
Линейная или квадратичная цель с квадратичными ограничениями
В этом примере показано, как решить задачу оптимизации, которая имеет линейные или квадратичные объективные и квадратичные ограничения неравенства.
Нелинейное равенство и ограничения неравенства
Нелинейное программирование с обоими типами нелинейных ограничений.
Как использовать все типы ограничений
Пример, показывающий все ограничения.
Получите лучшую допустимую точку
Найдите лучшую допустимую точку в output структура.
Минимизация со связанными ограничениями и полосным предварительным формирователем
Увеличение эффективности показа в качестве примера, возможное со структурированными нелинейными проблемами.
Минимизация с линейными ограничениями равенства, Доверительная область отражающий алгоритм
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 ограничивает.
Вычислите градиенты и гессианы Используя Symbolic Math Toolbox™
Пример, показывающий, как вычислить производные символически для решателей оптимизации.
Используя символьную математику с решателями Optimization Toolbox™
Используйте Symbolic Math Toolbox™, чтобы сгенерировать градиенты и Гессианы.
Необходимые условия, чтобы сгенерировать код С для нелинейной оптимизации.
Генерация кода для основ оптимизации
Изучите основы генерации кода для fmincon решатель оптимизации.
Выделение Статического ЗУ для fmincon Генерации кода
Используйте выделение статического ЗУ в генерации кода, когда проблема изменится.
Генерация кода оптимизации для приложений реального времени
Исследуйте методы для обработки требований в реальном времени в сгенерированном коде.
Одномерные ограничения полу-Бога
Пример, показывающий, как использовать одномерные полубесконечные ограничения в нелинейном программировании.
Двумерное ограничение полу-Бога
Пример, показывающий, как использовать двумерные полубесконечные ограничения в нелинейном программировании.
Анализ эффекта неопределенности Используя полу-Бога, программирующего
В этом примере показано, как использовать полубесконечное программирование, чтобы исследовать эффект неопределенности в параметрах модели задачи оптимизации.
Что такое параллельные вычисления в Optimization Toolbox?
Используйте несколько процессоров для оптимизации.
Используя параллельные вычисления в Optimization Toolbox
Выполните оценку градиента параллельно.
Улучшание производительности с параллельными вычислениями
Исследуйте факторы для ускорения оптимизации.
Минимизация дорогой задачи оптимизации Используя Parallel Computing Toolbox™
Пример, показывающий, как использовать параллельные вычисления и в Global Optimization Toolbox и в решателях Optimization Toolbox™.
Оптимизация симуляции или обыкновенного дифференциального уравнения
Специальные замечания в оптимизации симуляций, целевых функций черного ящика или ОДУ.
Неограниченные нелинейные алгоритмы оптимизации
Минимизация одной целевой функции в размерностях n без ограничений.
Ограниченные нелинейные алгоритмы оптимизации
Минимизация одной целевой функции в размерностях n с различными типами ограничений.
Шаги, что fminsearch берет, чтобы минимизировать функцию.
Исследуйте опции оптимизации.
Локальный и глобальный оптимумы
Объясняет, почему решатели могут не найти наименьший минимум.
Сглаженные формулировки несглаженных функций
Переформулируйте некоторые несглаженные функции как сглаженные функции при помощи вспомогательных переменных.
Списки опубликовали материалы, которые поддерживают концепции, реализованные в алгоритмах решателя.