Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Optimización no lineal basada en Solver

Resuelva los problemas de programación semiinfinita y de minimización no lineal en serie o en paralelo mediante el enfoque basado en Solver

Consulte para elegir entre la optimización basada en problemas y la optimización basada en solucionador.Elija primero el enfoque basado en problemas o basado en Solver

Para la configuración del problema, consulte.Configuración de problemas de optimización basada en Solver

Funciones

fminbndEncuentre la función mínima de una variable en el intervalo fijo
fminconBusque el mínimo de función multivariable no lineal restringida
fminsearchEncuentre el mínimo de la función multivariable sin restricciones usando el método libre de derivativos
fminuncBusque el mínimo de función multivariable sin restricciones
fseminfBusque el mínimo de función no lineal multivariable con restricciones semiinfinitas

Temas

Las aplicaciones basadas en Solver sin restricciones

Función de banana minimización

Muestra cómo resolver el mínimo de la función de Rosenbrock utilizando diferentes solucionadores, con o sin gradientes.

fminunc minimización sin restricciones

Ejemplo de programación no lineal sin restricciones.

Minimización con gradiente y hessian

Ejemplo de programación no lineal sin restricciones, incluidos derivados.

Minimización con gradiente y patrón de Sparsity de hessian

Ejemplo de programación no lineal utilizando alguna información derivada.

Aplicaciones basadas en Solver restringidas

Tutorial para la caja de herramientas de optimización™

Ejemplo de tutorial que muestra cómo resolver problemas no lineales y pasar parámetros adicionales.

Aplicación de optimización con el solucionador de fmincon

Ejemplo de programación no lineal con restricciones mediante la aplicación Optimization.

Restricciones de desigualdad no lineales

Ejemplo de programación no lineal con restricciones de desigualdad no lineales.

Restricciones no lineales con degradados

Ejemplo de programación no lineal con información derivada.

Algoritmo de punto interior de fmincon con hessian analítico

Ejemplo de programación no lineal con toda la información derivada.

Objetivo lineal o cuadrático con restricciones cuadráticas

Este ejemplo muestra cómo resolver un problema de optimización que tiene un objetivo lineal o cuadrático y restricciones de desigualdad cuadrática.

Restricciones de igualdad y desigualdad no lineales

Programación no lineal con ambos tipos de restricciones no lineales.

Cómo usar todos los tipos de restricciones

Ejemplo que muestra todas las restricciones.

Minimización con restricciones enlazadas y preacondicionador con bandas

Ejemplo que muestra el aumento de eficiencia posible con problemas no lineales estructurados.

Minimización con restricciones de igualdad lineales

Ejemplo que muestra la programación no lineal con solo restricciones de igualdad lineales.

Minimización con hessian estructurado denso, Equalidades lineales

Ejemplo que muestra cómo ahorrar memoria en programación no lineal con un hessian estructurado y solo restricciones de igualdad lineales o solo límites.

Calcula gradientes y hessianosSymbolic Math Toolbox

Ejemplo que muestra cómo calcular los derivados simbólicamente para los solucionadores de optimización.

Uso de matemáticas simbólicas con Optimization Toolbox™ Solvers

Se utiliza para generar gradientes y hessianos.Symbolic Math Toolbox™

Las restricciones semi-infinitas

Las restricciones semi-infinitas unidimensionales

Ejemplo que muestra cómo utilizar las restricciones semiinfinitas unidimensionales en la programación no lineal.

Restricción semi-infinita bidimensional

Ejemplo que muestra cómo utilizar las restricciones semiinfinitas bidimensionales en la programación no lineal.

Analizando el efecto de la incertidumbre usando la programación semi-infinita

En este ejemplo se muestra cómo utilizar la programación semiinfinita para investigar el efecto de la incertidumbre en los parámetros del modelo de un problema de optimización.

Computación paralela

¿En qué consiste la computación paralela?Optimization Toolbox

Utilizar varios procesadores para la optimización.

Uso de la computación paralela enOptimization Toolbox

Estimación automática del gradiente en paralelo.

Mejorar el rendimiento con la computación paralela

Consideraciones para optimizaciones de exceso de velocidad.

Minimizar un costoso problema de optimización mediante la caja de herramientas de computación paralela™

Ejemplo que muestra cómo utilizar la computación paralela en ambos Global Optimization Toolbox y solucionadores.Optimization Toolbox™

Simulación o ODE

Optimización de una ecuación de simulación o diferencial ordinaria

Consideraciones especiales en la optimización de simulaciones, funciones objetivas de caja negra o ODEs.

Algoritmos y otra teoría

Algoritmos de optimización no lineales no restringidos

Minimización de una función objetiva única en dimensiones sin restricciones.n

Algoritmos de optimización no lineales restringidos

Minimizar una función objetiva única en dimensiones con varios tipos de restricciones.n

Algoritmofminsearch

Pasos que se necesitan para minimizar una función.fminsearch

Opciones de optimización referencia

Describe las opciones de optimización.

Local vs global optima

Explica por qué los solucionadores podrían no encontrar el mínimo más pequeño.

Bibliografía

Enumera los materiales publicados que admiten conceptos implementados en los algoritmos de solucionador.