Optimization Toolbox는 제약 조건을 충족하면서 목적 함수를 최소화 또는 최대화하는 파라미터를 찾을 수 있는 함수를 제공합니다. 툴박스에는 선형 계획법(LP), 혼합 정수 선형 계획법(MILP), 2차 계획법(QP), 2차 원추 계획법(SOCP), 비선형 계획법(NLP), 제약 조건이 있는 선형 최소제곱, 비선형 최소제곱 및 비선형 방정식을 위한 솔버가 있습니다.
함수와 행렬을 사용하거나 토대가 되는 수학을 반영하는 변수 표현식을 지정하여 최적화 문제를 정의할 수 있습니다. 더 빠르고 정확한 해를 구할 수 있도록 목적 함수 및 제약 조건 함수에 대한 자동 미분을 사용할 수 있습니다.
툴박스의 솔버를 사용하면 연속 및 이산 문제에 대한 최적해를 구하고 상충관계 분석을 수행하며 알고리즘과 응용 사례에 최적화 방법을 적용할 수 있습니다. 툴박스를 통해 파라미터 추정, 컴포넌트 선택 및 파라미터 조정 등의 설계 최적화 작업을 수행할 수 있습니다. 이를 통해 포트폴리오 최적화, 에너지 관리 및 거래, 생산 계획 등의 응용 분야에서 최적해를 구할 수 있습니다.
최적화 문제 정의
설계 문제 또는 의사결정 문제를 최적화 문제로 모델링할 수 있습니다. 설계 파라미터와 의사결정을 최적화 변수로 설정할 수 있습니다. 변수를 사용하여 최적화할 목적 함수를 정의하고 제약 조건을 사용하여 가능한 변수 값을 제한할 수 있습니다.
최적화 문제 풀기
최적화 문제에 솔버를 적용하여 최적해를 구할 수 있습니다. 최적해란 제약 조건이 있을 경우 이를 만족하고, 목적 함수가 있을 경우 목적 함수의 최적 값을 산출하는 최적화 변수 값의 집합을 가리킵니다.
선형 및 혼합 정수 선형 계획법
연속 변수 및/또는 정수 변수를 사용하여 선형 제약 조건이 적용된 선형 목적이 있는 최적화 문제를 풀 수 있습니다.
2차 및 원추 계획법
2차 목적 함수 및 선형 제약 조건이 적용된 최적화 문제 또는 2차 원뿔 제약 조건이 적용된 문제를 풀 수 있습니다.
배포
최적화 기반 의사결정 지원 및 설계 툴을 개발하고 엔터프라이즈 시스템과 통합하며 최적화 알고리즘을 임베디드 시스템에 배포할 수 있습니다.
제품 관련 자료:
“MATLAB의 강력한 수치적 알고리즘, 광범위한 시각화 및 분석 도구, 안정적인 최적화 루틴, 객체 지향 프로그래밍 지원, 프로덕션 Java 애플리케이션으로 클라우드에서 실행 가능하다는 점에 힘입어 자사의 연구개발과 배포를 가속화할 수 있었습니다.”
Borislav Savkovic, BuildingIQ