이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.
Optimization Toolbox™는 제약 조건을 충족하면서 목적 함수를 최소화 또는 최대화하는 파라미터를 찾는 함수를 제공합니다. 이 툴박스에는 선형 계획법(LP), 혼합 정수 선형 계획법(MILP), 2차 계획법(QP), 비선형 계획법(NLP), 제약 조건이 있는 선형 최소제곱, 비선형 최소제곱 및 비선형 방정식을 위한 솔버가 포함되어 있습니다. 최적화 문제는 함수와 행렬을 사용하여 정의하거나 그 문제의 수학적 의미를 나타내는 변수 표현식을 지정하여 정의할 수 있습니다.
툴박스가 제공하는 솔버를 사용하면 연속 문제와 이산 문제에 대한 최적해를 구하기도 하고, 절충 분석(Tradeoff Analysis)을 수행하기도 하고, 여러 알고리즘과 응용 사례에 최적화 기법을 통합할 수도 있습니다. 이 툴박스를 사용하면 파라미터 추정, 성분 선택, 파라미터 조정을 포함한 설계 최적화 작업을 수행할 수 있습니다. 또한 포트폴리오 최적화, 자원 할당, 생산 계획 및 일정 관리와 같은 응용 분야에서 최적해를 구하는 데에도 사용할 수 있습니다.
Optimization Toolbox 솔버를 사용하는 데에는 문제 기반 접근법과 솔버 기반 접근법의 두 가지 접근법이 있습니다. 시작하기 전에 접근법을 선택하십시오.
A basic example of solving a nonlinear optimization problem with a nonlinear constraint using the problem-based approach.
비선형 제약 조건이 있는 비선형 함수를 최소화하는 예제를 보여줍니다.
Linear problem formulation using the problem-based approach.
솔버 기반 접근법을 사용한 문제 정식화입니다.
옵션을 설정하거나 시각적으로 최적화를 실행합니다.
Introduces optimization as a way of finding a set of parameters that can be defined as optimal. These parameters are obtained by minimizing or maximizing an objective function, subject to equality or inequality constraints and/or parameter bounds.
What is an optimization solver?
솔버가 가장 작은 최솟값을 찾지 못할 수 있는 이유에 대해 설명합니다.