Main Content

Optimization Toolbox

선형, 2차, 원뿔, 정수 및 비선형 최적화 문제 풀기

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), 2차 원뿔 계획법(SOCP), 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. 더 빠르고 정확하게 해를 구하기 위해 목적 함수와 제약 조건 함수의 자동 미분을 사용할 수 있습니다.

툴박스가 제공하는 솔버를 사용하면 연속 문제와 이산 문제에 대한 최적해를 구하기도 하고, 상충관계 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. 이를 통해 포트폴리오 최적화, 에너지 관리 및 거래, 생산 계획과 같은 응용 사례에서 최적해를 구할 수 있습니다.

Optimization Toolbox 시작하기

Optimization Toolbox의 기본 사항 배우기

문제 기반 최적화 설정

변수와 표현식을 사용하여 최적화 문제를 정식화하고 직렬 또는 병렬로 풀기

솔버 기반 최적화 문제 설정

솔버 선택, 목적 함수와 제약 조건 정의, 병렬로 계산

비선형 최적화

하나 이상의 목적 함수를 가지며 제약 조건이 있거나 없는 비선형 문제를 직렬 또는 병렬로 풀기

선형 계획법과 혼합 정수 선형 계획법

연속 변수와 정수 변수가 포함된 선형 계획법 문제 풀기

2차 계획법과 원뿔 계획법

2차 목적 함수와 선형 제약 조건 또는 원뿔 제약 조건을 갖는 문제 풀기

최소제곱

최소제곱(곡선 피팅) 문제 풀기

비선형 연립방정식

비선형 연립방정식을 직렬 또는 병렬로 풀기

최적화 결과

솔버 출력값의 의미를 파악하고 결과 향상시키기