MATLAB的YALMIP工具箱轻松搞定混合整数规划
&YALMIP工具箱
定义变量：
sqdvar（）实型
intvar（）整型
binvar（）0-1型
设定目标函数 :
f=目标函数
设定限定条件：
F=set（限定条件）
多个限定条件用加号相连：
F=set（限定条件）+set（限定条件1）+set（限定条件2）……
求解： solvesdp（F,f）
这里解得是F条件下目标函数f的最小值，要求最大值f前面加个负号
求解之后查看数值 :
double（f） double（变量）
有个例子：
已知非线性整数规划为：
Max z=x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5
0&=xi&=99(i=1,2,...,5)
x1+x2+x3+x4+x5&=400
x1+2*x2+2*x3+x4+6*x5&=800
2*x1+x2+6*x3&=800
x3+x4+5*x5&=200
在matlab中输入 x=intvar（1，5）；
f=[1 1 3 4 2]*(x'.^2)-[8 2 3 1
2]*x';F=set(0&=x&=99);
F=F+set([1 1 1 1 1]*x'&=400)+set([1 2 2 1
6]*x'&=800)+set(2*x(1)+x(2)+6*x(3)&=800);
&F=F+set(x(3)+x(4)+5*x(5)&=200);solvesdp(F,-f)
double(f)&&&
double(x)&&&
intvar（m，n）:生成整数型变量；
sdpvar（m，n）：生产变量；
solvesdp（F，f）：求解最优解（最小值），其中F为约束条件（用set连接），f为目标函数
double：显示求解的答案
工具箱下载地址：
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。yalmip- 一个比较好用的matlab工具箱，功能很齐全
238万源代码下载-
&文件名称: yalmip-
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 867 KB
&&上传时间:
&&下载次数: 67
&&提 供 者:
&详细说明：一个比较好用的matlab工具箱，功能很齐全-A more useful matlab toolbox functions are complete
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&yalmip\@sdpvar\abs.m&&......\.......\acos.m&&......\.......\acosh.m&&......\.......\acot.m&&......\.......\addfactors.asv&&......\.......\addfactors.m&&......\.......\addgkyp.m&&......\.......\addleftfactor.m&&......\.......\addrightfactor.m&&......\.......\and.m&&......\.......\any.m&&......\.......\asec.m&&......\.......\asin.m&&......\.......\asinh.m&&......\.......\assign.m&&......\.......\atan.m&&......\.......\beta.m&&......\.......\binary.m&&......\.......\blkdiag.m&&......\.......\bounds.m&&......\.......\brutepersp.m&&......\.......\cat.m&&......\.......\ceil.m&&......\.......\circshift.m&&......\.......\clean.m&&......\.......\cleandoublefactors.m&&......\.......\clearsdpvar.m&&......\.......\clear_poly_dep.m&&......\.......\cone.m&&......\.......\conj.m&&......\.......\Contents.m&&......\.......\conv.m&&......\.......\convexhull.m&&......\.......\cos.m&&......\.......\cosh.m&&......\.......\cot.m&&......\.......\ctranspose.m&&......\.......\ctransposefactor.m&&......\.......\cut.m&&......\.......\deadhub.m&&......\.......\degreduce.m&&......\.......\degree.m&&......\.......\depends.m&&......\.......\det.m&&......\.......\diag.m&&......\.......\diff.m&&......\.......\display.m&&......\.......\domain.m&&......\.......\double.m&&......\.......\eig.m&&......\.......\eliminateBinary.m&&......\.......\end.m&&......\.......\eq.m&&......\.......\erf.m&&......\.......\erfc.m&&......\.......\erfcx.m&&......\.......\erfinv.m&&......\.......\exp.m&&......\.......\expanded.m&&......\.......\exponents.m&&......\.......\extractkyp.m&&......\.......\factors.m&&......\.......\false.m&&......\.......\find.m&&......\.......\fix.m&&......\.......\fliplr.m&&......\.......\flipud.m&&......\.......\floor.m&&......\.......\flush.m&&......\.......\flushmidfactors.m&&......\.......\ge.m&&......\.......\generateAB.m&&......\.......\geomean.m&&......\.......\getbase.m&&......\.......\getbasematrix.m&&......\.......\getbasematrixwithoutcheck.m&&......\.......\getbasevectorwithoutcheck.m&&......\.......\gethackflag.m&&......\.......\getsosrank.m&&......\.......\getvariables.m&&......\.......\getvariablesvector.m&&......\.......\gkyp.m&&......\.......\gt.m&&......\.......\hankel.m&&......\.......\homogenize.m&&......\.......\horzcat.m&&......\.......\imag.m&&......\.......\imag2real.m&&......\.......\integer.m&&......\.......\invsathub.m&&......\.......\is.m&&......\.......\isconvex.m&&......\.......\isequal.m&&......\.......\ishermitian.m&&......\.......\isinteger.m&&......\.......\isinterval.m&&......\.......\islinear.m&&......\.......\ismember.m&&......\.......\ismember_internal.m&&......\.......\isreal.m
&近期下载过的用户:
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 修改后的bnb20（混合整数规划工具箱），能够在matlab7.0以上版本正常使用
&[] - 支持向量机的代码库，使用简单，主要用途是基于支持向量机的分类和回归。还包括C-SVM，nu-SVM，一类SVM，epsilon回归等功能。它还提供了用于C-SVM的自动模型选择工具。
&[] - 研究了自适应参数谱估计的基本原理，提出了基于最小均方误差(MMSE)准则的LMS格型滤波算法实
现自适应参数谱估计的方法。通过对仿真测试信号和线性调频信号的计算表明，该方法能够在改善谱分辨率的
同时提高运算效率，满足遥测速变信号的处理和分析计算的要求
&[] - 一个matlab 工具包，可以解决非线性的优化问题，很好用
&[] - SVM是一种常用的模式分类机器学习算法，以效率高准确度高闻名于世，libsvm和svmlight是常用的两种SVM实现方法。
&[] - 国外专家做的求解LMI鲁棒控制的工具箱,可以相对高效的解决LMI问题
&[] - 求解线性矩阵不等式简单方便--与LMI工具箱相比
&[] - 最小均方误差估计（MMSE）语音增强算法，算法简单有效，无残余音乐噪声
&[] - 增量式极限学习机的matlab源码,很不错，本科毕设用到的
&[] - 优化问题分类：（非）线性规划、整数规划、0-1 规划、（多）目标规划、（与时间有关的）动态规划、（系数是随机变量的）随机规划。随时随地，快速访问
只要手机在手，您都可以快速、方便地看贴发帖，与论坛好友收发短消息。
极致优化，畅快"悦"读
独有的论坛界面和触屏设计，手机论坛也变得赏心悦目，操作自如。
即拍即发，分享生活
不管是风景图画，还是新闻现场，拍照发帖一气呵成，让您在论坛出尽风头。
下载客户端后，拍摄二维码快速访问本站:
或者通过以下地址访问:
Powered byMatlab的YALMIP工具箱轻松搞定混合整数规划(实例)_电工电气_中国百科网
Matlab的YALMIP工具箱轻松搞定混合整数规划(实例)
    该文章讲述了Matlab的YALMIP工具箱轻松搞定混合整数规划(实例).
YALMIP工具箱
定义变量：
sqdvar（）实型
intvar（）整型
binvar（）0-1型
设定目标函数 :
f=目标函数
设定限定条件：
F=set（限定条件）
多个限定条件用加号相连：
F=set（限定条件）+set（限定条件1）+set（限定条件2）&&
求解： solvesdp（F,f）
这里解得是F条件下目标函数f的最小值，要求最大值f前面加个负号
求解之后查看数值 :
double（f） double（变量）
有个例子：
已知非线性整数规划为：
Max z=x1^2+x2^2+3*x3^2+4*x4^2+2*x5^2-8*x1-2*x2-3*x3-x4-2*x5
0&=xi&=99(i=1,2,...,5)
x1+x2+x3+x4+x5&=400
x1+2*x2+2*x3+x4+6*x5&=800
2*x1+x2+6*x3&=800
x3+x4+5*x5&=200
在matlab中输入 x=intvar（1，5）；
f=[1 1 3 4 2]*(x'.^2)-[8 2 3 1 2]*x';F=set(0&=x&=99);
F=F+set([1 1 1 1 1]*x'&=400)+set([1 2 2 1 6]*x'&=800)+set(2*x(1)+x(2)+6*x(3)&=800);
F=F+set(x(3)+x(4)+5*x(5)&=200);solvesdp(F,-f)
double(f) 80199
double(x) 53 99 99 99 0
intvar（m，n）:生成整数型变量；
sdpvar（m，n）：生产变量；
solvesdp（F，f）：求解最优解（最小值），其中F为约束条件（用set连接），f为目标函数
double：显示求解的答案
工具箱下载地址：http://www.matlabsky.net/thread-237-1-1.html
Copyright by ；All rights reserved.