솔버 기반 비선형 최적화
솔버 기반 접근법을 사용하여 비선형 최소화 문제와 반무한 계획법 문제를 직렬 또는 병렬로 풉니다.
최적화 문제를 풀기 시작하기 전에 먼저 문제 기반 접근법과 솔버 기반 접근법 중 적절한 접근법을 선택해야 합니다. 자세한 내용은 먼저 문제 기반 접근법 또는 솔버 기반 접근법 중 선택하기 항목을 참조하십시오.
문제 설정에 대해서는 솔버 기반 최적화 문제 설정 항목을 참조하십시오.
함수
fminbnd | 고정된 간격에서 단일 변수 국소 최소화 문제 풀기 |
fmincon | 제약 조건이 있는 비선형 다변수 최소화 문제 풀기 |
fminsearch | 비제약 조건 다변수 국소 최소화 문제를 도함수 없이 풀기 |
fminunc | 제약 조건이 없는 다변수 비선형 최소화 문제 풀기 |
fseminf | Solve semi-infinitely constrained multivariable nonlinear minimization problem |
checkGradients | Check first derivative function against finite-difference approximation (R2023b 이후) |
optim.coder.infbound | Infinite bound support for code generation (R2022b 이후) |
라이브 편집기 작업
| 최적화 | 라이브 편집기에서 방정식을 최적화하거나 풉니다. |
앱
| 최적화 탐색기 | Explore multiple solver configurations and their solutions for an optimization problem (R2026a 이후) |
도움말 항목
제약 조건이 없는 솔버 기반 응용 사례
- 바나나 함수 최소화
기울기가 있거나 없는 상태에서 다양한 솔버를 사용하여 로젠브록 함수의 최솟값을 구하는 방법을 보여줍니다. - Solve Nonlinear Problem with Many Variables
Choose appropriate options for large nonlinear problems. - fminunc를 사용한 제약 조건이 없는 최소화
제약 조건이 없는 비선형 계획법 예제입니다. - 기울기와 헤세 행렬을 사용한 최소화
도함수를 포함한, 제약 조건이 없는 비선형 계획법 예제입니다. - Minimization with Gradient and Hessian Sparsity Pattern
Example of nonlinear programming using some derivative information.
제약 조건이 있는 솔버 기반 응용 사례
- Optimization Toolbox 튜토리얼
비선형 문제를 풀고 추가 파라미터를 전달하는 방법을 보여주는 튜토리얼 예제입니다. - fmincon 솔버로 최적화 라이브 편집기 작업 사용
최적화 라이브 편집기 작업을 사용하는, 제약 조건이 있는 비선형 계획법을 보여주는 예제입니다. - 비선형 부등식 제약 조건
비선형 부등식 제약 조건이 있는 비선형 계획법을 보여주는 예제입니다. - 기울기가 포함된 비선형 제약 조건
도함수 정보를 사용한 비선형 계획법의 예제입니다. - 해석적 헤세 행렬을 사용하는 fmincon Interior-Point 알고리즘
모든 도함수 정보를 포함한 비선형 계획법의 예제입니다. - 2차 제약 조건이 있는 선형 목적 함수 또는 2차 목적 함수
이 예제에서는 선형 목적 함수 또는 2차 목적 함수와 2차 부등식 제약 조건을 갖는 최적화 문제를 푸는 방법을 보여줍니다. - 비선형 등식 및 부등식 제약 조건
두 가지 유형의 비선형 제약 조건이 모두 있는 비선형 계획법입니다. - How to Use All Types of Constraints
Example showing all constraints. - Obtain Best Feasible Point
Find the best feasible point in theoutputstructure. - Solve Nonlinear Problem with Many Variables
Choose appropriate options for large nonlinear problems. - Minimization with Bound Constraints and Banded Preconditioner
Example showing efficiency gains possible with structured nonlinear problems. - Hessian Multiply Function for fmincon interior-point Algorithm
Use thefmincon"interior-point"Hessian multiply function to save memory. - Minimization with Linear Equality Constraints, Trust-Region Reflective Algorithm
Example showing nonlinear programming with only linear equality constraints. - Minimization with Dense Structured Hessian, Linear Equalities
Example showing how to save memory in nonlinear programming with a structured Hessian and only linear equality constraints or only bounds. - Monitor Solution Process with optimplot
View details of the optimization solution process usingoptimplot. - Calculate Gradients and Hessians Using Symbolic Math Toolbox
Example showing how to calculate derivatives symbolically for optimization solvers. - Using Symbolic Mathematics with Optimization Toolbox Solvers
Use Symbolic Math Toolbox™ to generate gradients and Hessians.
코드 생성
- fmincon 백그라운드에서 코드 생성
비선형 최적화에 대한 C 코드를 생성하기 위한 선행 조건. - Code Generation for Optimization Basics
Learn the basics of code generation for thefminconoptimization solver. - Static Memory Allocation for fmincon Code Generation
Use static memory allocation in code generation when the problem changes. - Optimization Code Generation for Real-Time Applications
Explore techniques for handling real-time requirements in generated code.
반무한 제약 조건
- One-Dimensional Semi-Infinite Constraints
Example showing how to use one-dimensional semi-infinite constraints in nonlinear programming. - Two-Dimensional Semi-Infinite Constraint
Example showing how to use two-dimensional semi-infinite constraints in nonlinear programming. - Analyzing the Effect of Uncertainty Using Semi-Infinite Programming
This example shows how to use semi-infinite programming to investigate the effect of uncertainty in the model parameters of an optimization problem.
병렬 연산
- What Is Parallel Computing in Optimization Toolbox?
Use multiple processors for optimization. - Using Parallel Computing in Optimization Toolbox
Perform gradient estimation in parallel. - Improving Performance with Parallel Computing
Investigate factors for speeding optimizations. - Minimizing an Expensive Optimization Problem Using Parallel Computing Toolbox
Example showing how to use parallel computing in both Global Optimization Toolbox and Optimization Toolbox™ solvers.
시뮬레이션 또는 ODE
- 시뮬레이션 또는 상미분 방정식 최적화하기
시뮬레이션, 블랙박스 목적 함수 또는 ODE를 최적화할 때 특별히 고려해야 할 사항.
알고리즘과 기타 이론
- 제약 조건이 없는 비선형 최적화 알고리즘
제약 조건 없이 n차원에서 하나의 목적 함수를 최소화합니다. - 제약 조건이 있는 비선형 최적화 알고리즘
다양한 유형의 제약 조건을 적용하여 n차원에서 하나의 목적 함수를 최소화합니다. - fminsearch 알고리즘
함수 최소화를 위해fminsearch가 취하는 스텝. - 최적화 옵션 참조
최적화 옵션을 살펴봅니다. - 국소 최적해와 전역 최적해
솔버가 가장 작은 최솟값을 찾지 못할 수 있는 이유에 대해 설명합니다. - Smooth Formulations of Nonsmooth Functions
Reformulate some nonsmooth functions as smooth functions by using auxiliary variables. - 최적화 관련 참고 문헌
최적화 솔버 알고리즘에 구현된 개념을 지원하는 출판물을 나열합니다.
