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.
비선형 계획법
비선형 목적 함수를 갖거나 비선형 제약 조건이 적용되는 최적화 문제를 풀 수 있습니다.
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.