YALMIP工具箱使用范例精选.pdfVIP

YALMIP工具箱简介 东北大学数学系 王琪 wangqimath@126.com YALMIP工具箱简介 • 基于符号运算工具箱编写 • 一种定义和求解高级优化问题的模化语言 • 用于求解线性规划、整数规划、非线性规 划、混合规划等标准优化问题以及LMI • 工具箱主页： http://control.ee.ethz.ch/~joloef/wiki/pmwiki.php YALMIP工具箱的安装 • Add the following directories to MATLAB path • /yalmip • /yalmip/extras • /yalmip/demos • /yalmip/solvers • /yalmip/modules • /yalmip/modules/parametric • /yalmip/modules/moment • /yalmip/modules/global • /yalmip/modules/sos • /yalmip/operators 路径设置 安装测试与示例 • 测试YALMIP及已经存在的优化工具箱是否 正常 • Yalmiptest • 示例及入门 • Yalmipdemo （学习该工具箱的最佳途径） 实型变量—sdpvar • sdpvar是YALMIP 的一种核心对象，它所代表的是优 化问题中的实型决策变量。 • 该种类型的变量可以通过如下方法产生：  P=sdpvar(n,m); %表示x为n*m的矩阵  P=sdpvar(n,n,’full’); %表示x为n*n的方阵  P=sdpvar(n,n,symmetric);%表示x为n*n的对称方阵 例：P=sdpvar(3,3);%方阵不带参数默认为对称方阵 P可以像正常的矩阵一样进行各种运算及操作，如： v = trace(P)+P(1,1)+sum(sum(P))*5; X = [P diag(P) v*eye(4)]; 实型变量—sdpvar • 变量sdpvar到底是什么？ • 它是符号型、未知的，但可以写为一组基 矩阵的和 • P = P0+p1*P1+p2*P2+...+pn*Pn • 可以用see函数来了解sdpvar类型数据的构 成 其它决策变量类型 • intvar——整型 如：P=intvar(3,4) • binvar——0-1型 如：P=binvar(5,5) 约束条件—set • set （集合）是YALMIP 的另外一种关键对象，用 它来囊括优化问题的所有约束条件。 • 最常用的集合构造方法为采用set函数 例： P = sdpvar(3,3); F = set(P 0);%唯一的不等式约束 对于存在上、下界的情况，也可以有如下的写法： F = set(0 diag(P) 5); 约束条件—set • 如果是等式约束，注意用“ ”表示，如： F = set(diag(P) == zeros(3,1));%等式约束 上式也可以写为F = set(diag(P) == 0); • 如果问题包含多个约束条件，可以将多个 条件用“+”相连 F = set(P0) + set(0 diag(P) 5); 约束条件的三种构造方法 • P = sdpvar(3,3); • F1 = set(P0)+set(sum(P.^2) [5,6,7]); • F2 = set(P0)+set(sum(P.^2) [5,6,7]); • F3 = [P0, sum(P.^2) [5,6,7]]; • 以上构造出的F1、F2、F3完全相同 求解函数—solvesdp • 函数solvesdp用来求解优化问题 • s=solvesdp(F);%求