Sie sind auf Seite 1von 11

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Hauptmerkmale
Definieren und Lsen von Optimierungsproblemen
Nichtlineare Optimierung
Lineares und quadratisches Programmieren

Gemischt-ganzzahlige lineare Programmierung


Mehrzieloptimierung
Nichtlineare Methode der kleinsten Quadrate, Datenanpassung und nichtlineare Gleichungen
Parallel Computing und Ableitungen

Hauptmerkmale
Nichtlineare (http://www.mathworks.com/discovery/nonlinear-programming.html) und
Mehrzieloptimierung
Solver fr die nichtlineare Methode der kleinsten Quadrate, die Datenanpassung und
nichtlineare Gleichungen
Quadratisches (http://www.mathworks.com/discovery/quadratic-programming.html)
und lineares Programmieren (http://www.mathworks.com/discovery/lineareprogrammierung.html)
Gemischt-ganzzahlige lineare Programmierung
Optimierungsanwendung zur Definition und Lsung von Optimierungsproblemen sowie
berwachung des Lsungsfortschritts
Beschleunigung von nichtlinearen Solvern mit Nebenbedingung mit Parallel Computing
Toolbox (http://www.mathworks.com/products/parallel-computing/)

Verwendung eines Problems aus der gemischt-ganzzahligen linearen Programmierung zur optimalen
Lsung, um Verkaufsstandorte von Lagerhusern und Fabriken aus zu versorgen.

Definieren und Lsen von Optimierungsproblemen


Definieren eines Optimierungsproblems
Es werden Techniken zur Optimierung verwendet, um eine Reihe von Design-Parametern zu
suchen, die das bestmgliche Ergebnis bringen. Es gibt zwei Schlsselkomponenten in einem
Optimierungsproblem:
Zielfunktion (http://www.mathworks.com/help/optim/write-objective-function.html)
Nebenbedingungen (http://www.mathworks.com/help/optim/write-constraints.html)
(optional)
Die Zielfunktion berechnet die gewnschte Menge, die minimiert oder maximiert werden soll.

1 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Es knnen Nebenbedingungen hinzugefgt werden, die die mglichen Werte fr die DesignParameter begrenzen.

(http://www.mathworks.com Mathematische Modellierung mit Optimierung,


/videos/mathematicalTeil 1 (http://www.mathworks.com/videos/mathematicalmodelingmodeling-with-optimizationwith-optimizationpart-1-68973.html?type=shadow&language=de)
part-1-68973.html?type=shadow&
berfhrung einer Problembeschreibung in ein mathematisches
language=de)
Programm, das durch Optimierung gelst werden kann. Als
8:51
Beispiel dient eine Anlage zur Dampf- und Stromerzeugung.

(http://www.mathworks.com Mathematische Modellierung mit Optimierung,


/videos/mathematicalTeil 2 (http://www.mathworks.com/videos/mathematicalmodelingmodeling-with-optimizationwith-optimizationpart-2-68974.html?type=shadow&language=de)
part-2-68974.html?type=shadow&
Lsung eines linearen Programms mit Solvern der Optimization
language=de)
Toolbox. Als Beispiel dient eine Anlage zur Dampf- und
10:46
Stromerzeugung.

Verwendung der Optimierungsanwendung


Alle Funktionen der Optimization Toolbox sowie Solver-Optionen sind programmatisch oder
ber die Optimization App verfgbar.
Die Optimization App vereinfacht bliche Optimierungsaufgaben. Sie knnen damit:
Solver auswhlen und Optimierungsprobleme definieren
Optimierungsoptionen und Anfangswerte fr ausgewhlte Solver festlegen und ansehen
Zwischen- und Endergebnisse von Optimierungen grafisch darstellen
Die Dokumentation zu allen Solvern im optionalen Quick-Reference-Fenster anzeigen
lassen
Problemdefinitionen, Algorithmusoptionen und Ergebnisse zwischen dem MATLAB(http://www.mathworks.com/products/matlab/) Workspace und die Optimization App
importieren und exportieren
Automatisch MATLAB-Code erzeugen und so Ihre Arbeit speichern oder Aufgaben
automatisieren
Auf Solver der Global Optimization Toolbox (http://www.mathworks.com/products
/global-optimization/) zugreifen

(http://www.mathworks.com Erste Schritte mit dem Optimization Tool


/videos/introduction(http://www.mathworks.com/videos/introductionto-optimization-graphical- to-optimization-graphical-user-interfaceuser-interface68799.html?type=shadow&language=de)

2 von 11

6:08

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

68799.html?type=shadow& Einrichten und Lsen von Optimierungsproblemen und


language=de)
Visualisieren der Zwischen- und Endergebnisse.

Auswhlen eines Solvers


Die Optimization Toolbox enthlt unterschiedliche Solver fr unterschiedliche Typen von
Zielen und Nebenbedingungen. Die Tabelle der Optimierungsentscheidung
(http://www.mathworks.com/help/optim/ug/choosing-a-solver.html#brhkghv-19)
untersttzt Sie bei der Auswahl des besten Solvers fr Ihr Problem.

Einrichtungsoptionen
Solver-Optionen ermglichen es Ihnen, den Optimierungsprozess zu optimieren oder zu
ndern sowie den Fortschritt des Solvers zu visualisieren. Einrichtungsoptionen
(http://www.mathworks.com/help/optim/set-options.html) knnen programmatisch oder
unter Verwendung der Optimierungsanwendung durchgefhrt werden.

(http://www.mathworks.com Setting Options for Optimizations


/videos/setting-options(http://www.mathworks.com/videos/setting-optionsfor-optimizationsfor-optimizations-78171.html?type=shadow&language=de)
78171.html?type=shadow& Set options with optimoptions in Optimization Toolbox to tune
language=de)
solvers and monitor optimization progress.
4:48

Nichtlineare Optimierung
Die Optimization Toolbox verfgt ber hufig verwendete Optimierungsalgorithmen zur
Lsung von nichtlinearen Programmierungsproblemen (http://www.mathworks.com
/discovery/nonlinear-programming.html) in MATLAB (http://www.mathworks.com
/products/matlab/) . Die Toolbox bietet dazu Solver fr nichtlineare Optimierungen mit und
ohne Nebenbedingungen sowie Solver fr kleinste Quadrate-Optimierungen
(http://www.mathworks.com/products/optimization/features.html) .

Nichtlineare Optimierung ohne Nebenbedingungen


Die Optimization Toolbox enthlt drei Methoden zur Lsung nichtlinearer
Minimierungsprobleme ohne Nebenbedingungen:

3 von 11

Der Quasi-Newton-Algorithmus nutzt ein gemischtes quadratisches und kubisches


Liniensuchverfahren sowie die Broyden-Fletcher-Goldfarb-Shanno -Formel (BFGS ) zur
Aktualisierung der Nherung der Hesse-Matrix.
Der Nelder-Mead-Algorithmus (auch als Downhill-Simplex bezeichnet) ist eine direkte
Suchmethode, die nur Funktionswerte verwendet (also keine Ableitungen berechnet) und
fr diskrete Zielfunktionen eingesetzt wird. Die Global Optimization Toolbox
(http://www.mathworks.com/products/global-optimization/) enthlt weitere
ableitungsfreie Optimierungsalgorithmen fr die nichtlineare Optimierung.
Die Vertrauensbereich-Methode wird fr unbeschrnkte nicht-lineare Probleme verwendet
und ist besonders bei komplexen Problemen ntzlich, bei denen die Seltenheit oder
Struktur ausgenutzt werden kann.

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Ermittlung der optimalen Effizienz in einem Motorkennfeld durch nichtlineare Optimierung ohne
Nebenbedingungen.

Nichtlineare Optimierung unter Nebenbedingungen


Nichtlineare Optimierungsprobleme mit Nebenbedingungen bestehen aus linearen oder
nichtlinearen Zielfunktionen und knnen linearen oder ebenfalls nichtlinearen
Nebenbedingungen unterliegen. Die Optimization Toolbox bietet vier Verfahren zur Lsung
dieser Probleme:
Der Interior-Point-Algorithmus wird fr allgemeine nicht-lineare Optimierungen verwendet.
und eignet sich besonders fr umfangreiche und komplexe Probleme. Basierend auf einer
Barrierefunktion kann so gesteuert werden, dass alle Iterationswerte im
Optimierungsverlauf streng in den zulssigen Grenzen bleiben.
Der SQP-Algorithmus wird fr allgemeine nichtlineare Optimierungen verwendet. Er hlt bei
allen Iterationen immer die Grenzen ein und toleriert Berechnungsfehler
anwenderdefinierter Ziel- und Beschrnkungsfunktionen.
Die Active-Set-Methode wird fr allgemeine nichtlineare Optimierungen verwendet.
Der Trust-Region-Reflective-Algorithmus kann nur fr Probleme mit oberen und unteren
Schranken oder fr lineare Gleichungen als Nebenbedingungen verwendet werden. Er
eignet sich besonders fr Probleme mit sehr vielen Variablen.
Mit den Interior Point- und Trust-Region-Reflective-Algorithmen lassen sich Hesse-Matrizen
mithilfe unterschiedlicher Verfahren berechnen.
Der Interior-Point-Algorithmus ermglicht die nherungsweise Berechnung von HesseMatrizen durch die folgenden Verfahren:
BFGS (dicht besetzt)
Speicherreduziertes BFGS (fr umfangreiche Probleme)
Hesse-Multiplikationsfunktion
Explizite Hesse-Matrix (dnn oder dicht besetzt)
Endliche Gradienten-Differenz (Besetzungsstruktur muss hier nicht bekannt sein)
Der Trust-Region-Reflective-Algorithmus verfgt ber die Optionen:
Endliche Gradienten-Differenzen, Seltenheitsstruktur der Hessematrix
Explizite Hesse-Matrix (dnn oder dicht besetzt)
Hesse-Multiplikationsfunktion
Mit den Interior-Point - und Trust-Region -Verfahren lassen sich auerdem Produkte aus
Hesse-Matrizen und Vektoren von Funktionen berechnen, ohne dass die Hesse-Matrix explizit
formuliert werden muss.

4 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Optimierung einer Fahrwerksaufhngung durch nichtlineare Optimierung mit Nebenbedingungen.

Lineares und quadratisches Programmieren


Optimization Toolbox kann umfangreiche Probleme in der linearen und quadratischen
Programmierung lsen.

Lineare Programmierung
Probleme in der linearen Programmierung (http://www.mathworks.com/discovery/linearprogramming.html) umfassen die Minimierung oder Maximierung linearer Zielfunktionen mit
Schranken, linearer Gleichheit sowie Ungleichungen als Nebenbedingungen. Lineare
Programmierung wird im Finanzwesen, in der Energiegewinnung, im Operations Research
Gebiet und in anderen Anwendungen angewendet, bei denen Beziehungen zwischen
Variablen linear ausgedrckt werden knnen.
Die Optimization Toolbox umfasst drei Algorithmen zur Lsung von Problemen in der linearen
Programmierung:
Der Algorithmus Simplex ist ein systematisches Verfahren zum Erstellen und Testen
mglicher Eckpunktlsungen fr ein lineares Programm und ist die am hufigsten
verwendete Methode in der linearen Programmierung.
Das Interior-Point-Verfahren basiert auf einem Primal-Dual-Prdiktor-KorrektorAlgorithmus und wird fr umfangreiche lineare Probleme eingesetzt. Diese Methode eignet
sich vor allem fr groe Probleme, die eine definierte Struktur besitzen oder durch dnn
besetzte Matrizen dargestellt werden knnen.
Das Active-Set-Verfahren minimiert die Zielfunktion bei jeder Iteration nur auf der
Untermenge der lokal aktiven Nebenbedingungen, bis eine Lsung gefunden ist.

Nutzung der linearen Programmierung bei der Konstruktion einer Anlage zur Dampf- und
Stromerzeugung.

Quadratische Programmierung
Bei Problemen aus der Quadratischen Programmierung (http://www.mathworks.com

5 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

/discovery/quadratic-programming.html) wird eine multivariate quadratische Funktion mit


linearen Gleichungen oder Ungleichungen als Nebenbedingungen minimiert. Quadratische
Programmierung wird fr die Portfolio-Optimierung im Finanzwesen, Optimierung der
Energiegewinnung in Elektrizittswerken, Designoptimierung im Maschinenbau sowie fr
andere Anwendungen verwendet.
Die Optimization Toolbox bietet drei Methoden zur Lsung solcher Probleme an:
Der Interior-Point-Konvex-Algorithmus lst konvexe Probleme mit beliebigen
Nebenbedingungen.
Das Trust-Region-Reflective-Verfahren wird zur Lsung von Problemen mit oberen und
unteren Schranken sowie mit linearen Gleichungen als Nebenbedingungen eingesetzt.
Die Active-Set-Optimierung minimiert die Zielfunktion bei jeder Iteration nur auf der
Untermenge der lokal aktiven Nebenbedingungen.

(http://www.mathworks.com Optimization in MATLAB: An Introduction to


/videos/optimizationQuadratic Programming (http://www.mathworks.com
in-matlab-an-introduction- /videos/optimization-in-matlab-an-introductionto-quadraticto-quadratic-programming-81868.html)
programming-81868.html)
In this webinar, you will learn how MATLAB can be used to
36:35
solve optimization problems using an example quadratic
optimization problem and the symbolic math tools in MATLAB.
Sowohl der Interior-Point-Konvex-Algorithmus als auch der Trust-Region-ReflectiveAlgorithmus sind umfangreich und knnen darum fr sehr groe Probleme mit dnn besetzten
Matrizen verwendet werden. Darber hinaus verfgt der Interior-Point-Konvex-Algorithmus
intern ber optimierte Routinen fr die Lineare Algebra sowie ein neues Presolve-Modul, das
die Geschwindigkeit, die numerische Stabilitt und das Erkennen unlsbarer
Problemstellungen verbessert.

Quadratische Programmierung zur ertragsorientierten Analyse von drei Anlagefonds.

Gemischt-ganzzahlige lineare Programmierung


Bei der gemischt-ganzzahligen linearen Programmierung (http://www.mathworks.com
/discovery/integer-programming.html) wird das Problem der linearen Programmierung
(http://www.mathworks.com/discovery/linear-programming.html) mit der zustzlichen
Nebenbedingung weiterentwickelt, dass einige oder alle Variablen in der optimalen Lsung

6 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

ganzzahlig sein mssen.


Fr einige Optimierungsprobleme sollten die Variablen keine gebrochenen Werte umfassen.
Wenn beispielsweise eine Variable die Anzahl von Aktien reprsentiert, die gekauft werden
sollen, sollte diese nur aus ganzzahligen Werten bestehen. Gleichermaen sollte eine
Variable nur aus binren Werten (0 oder 1) bestehen, wenn diese den Status Ein/Aus eines
Generators reprsentiert. Das Problem der gemischt-ganzzahligen linearen Programmierung
ermglicht durch Hinzufgen der Nebenbedingungen nmlich, dass diese Variablen in der
optimalen Lsung nur aus ganzen oder natrlichen Zahlen bestehen knnen eine
Modellierung dieses Verhaltens.

(http://www.mathworks.com Gemischt-ganzzahlige lineare Programmierung in


/videos/mixed-integerMATLAB (http://www.mathworks.com/videos/mixedlinear-programminginteger-linear-programming-in-matlab-91541.html)
in-matlab-91541.html) 34:08 Einsatz des neuen Optimierungs-Solvers fr gemischtganzzahlige lineare Programmierung in Release 2014a. Dieser
neue Solver ermglicht das Lsen von Optimierungsproblemen,
bei denen eine oder alle Variablen ganzzahlige Werte
annehmen mssen.
Optimization Toolbox lst Probleme gemischt-ganzzahliger linearer Programmierung durch die
Verwendung eines Algorithmus, der Folgendes ausfhrt:
Vorverarbeitung der Programmierung ganzer Zahlen zur Einschrnkung des ausfhrbaren
Gebiets
Anwendung von Schnittebenen zur Einschrnkung des ausfhrbaren Gebiets
Anwendung von Heuristik fr die Suche nach ganzzahligen, ausfhrbaren Lsungen
Sicherstellung, dass keine bessere, ausfhrbare Lsung existiert, durch Lsung einer
Reihe von linearen Relaxationsproblemen mit einem Zweig-und-Schranken-Algorithmus

Verwendung eines ganzzahligen Programmierungsproblems, um zu bestimmen, welche Investitionen


gemacht werden sollten.

Weitergabe der Anwendungen


Mit Solvern der Optimization Toolbox knnen Sie den MATLAB Compiler
(http://www.mathworks.com/products/compiler/) verwenden, um Werkzeuge zur
Entscheidungsuntersttzung zu erstellen, die mit Anwendern geteilt werden knnen, denen
MATLAB (http://www.mathworks.com/products/matlab/) nicht zur Verfgung steht. Diese
Standalone-Anwendungen knnen ohne Lizenzgebhren fr eine unbegrenzte Anzahl von
Endnutzern angewendet werden. MATLAB Optimierungs-Algorithmen knnen auch mit
anderen Sprachen integriert werden, z. B. Java und .NET, welche Produkte der MATLAB

7 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Builder-Reihe verwenden.

Mehrzieloptimierung
Aufgabe einer Mehrzieloptimierung (http://www.mathworks.com/discovery
/multiobjective-optimization.html) ist die gleichzeitige Minimierung mehrerer Zielfunktionen
mit verschiedenen Nebenbedingungen. Die Optimization Toolbox enthlt Funktionen fr zwei
unterschiedliche Formulierungen von Mehrzielproblemen:
Beim Goal Attainment-Problem wird der Wert einer linearen oder nichtlinearen
Vektorfunktion reduziert, bis die fr einen Zielvektor vorgegebenen Zielwerte erreicht sind.
Die relative Bedeutung der einzelnen Ziele wird in einem Gewichtungsvektor definiert. Das
Goal Attainment-Problem kann dabei linearen und nichtlinearen Nebenbedingungen
unterliegen.
Beim Minimax-Verfahren wird der ungnstigste Wert (oder Worst-Case-Wert) eines
Systems multivariater Funktionen minimiert, die ebenfalls sowohl linearen als auch
nichtlinearen Nebenbedingungen unterliegen knnen.
Die Optimization Toolbox wandelt beide Arten von Mehrzielproblemen in gewhnliche
Optimierungsprobleme mit Nebenbedingungen um und lst sie dann mithilfe des ActiveSet-Verfahrens.
Die Global Optimization Toolbox (http://www.mathworks.com/products/globaloptimization/) enthlt einen weiteren Mehrziel-Solver fr nichtstetige Probleme.

Entwicklung eines Tiefpassfilters durch Mehrzieloptimierung.

Nichtlineare Methode der kleinsten Quadrate, Datenanpassung und


nichtlineare Gleichungen
Die Optimization Toolbox kann nichtlineare kleinste Quadratprobleme,
Datenanpassungsprobleme (http://www.mathworks.com/discovery/data-fitting.html)
sowie nichtlineare Gleichungssysteme lsen.

Lineare und nichtlineare kleinste Quadrate


Die Toolbox bietet zwei Methoden zur Lsung linearer kleinste Quadrate-Probleme mit
Nebenbedingungen an:

8 von 11

Der Active-Set Algorithmus dient der Lsung von Problemen mit Schranken und linearen
Gleichungen und Ungleichungen.
Der Trust-Region-Reflective Algorithmus wird zur Lsung von umfangreichen Problemen
verwendet, die ausschlielich Randbedingungen unterworfen sind.

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Zur Lsung nichtlinearer kleinste Quadrate-Probleme stehen in der Toolbox ebenfalls zwei
Algorithmen zur Verfgung:
Der Algorithmus Trust-region reflective implementiert den Levenberg-MarquardtAlgorithmus mithilfe von Vertrauensbereichen. Er wird fr unbeschrnkte und durch
Randbedingungen beschrnkte Probleme eingesetzt.
Das implementierte Levenberg-Marquardt-Verfahren basiert auf dem StandardLevenberg-Marquardt-Algorithmus. Es wird fr Probleme ohne Beschrnkungen eingesetzt.

Anpassung einer transzendenten Gleichung mithilfe nichtlinearer kleinster Quadrate.

Daten-Fitting
Die Toolbox enthlt eine spezielle Benutzeroberflche fr das Daten-Fitting. Mit diesem Tool
lsst sich aus einer Familie nichtlinearer Funktionen diejenige Funktion ermitteln, die am
besten zu einem gegebenen Satz von Datenpunkten passt. Fr die dafr ntigen
Datenanpassungen verwendet die Toolbox dieselben Methoden wie fr nichtlineare kleinste
Quadrate-Probleme.

Fitting einer nichtlinearen Exponentialgleichung durch kleinste Quadrate-Anpassung.

Lsung nichtlinearer Gleichungen


Zur Lsung nichtlinearer Gleichungssysteme mit genau so vielen Gleichungen wie
Unbekannten bietet die Optimization Toolbox ein Dogleg-Trust-Region-Verfahren an. Die
Toolbox kann solche Probleme aber auch mithilfe der Trust-Region- und LevenbergMarquardt-Verfahren lsen.

9 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Lsung einer n-dimensionalen Rosenbrock-Funktion mit dem Solver fr nichtlineare Gleichungen.

Parallel Computing und Ableitungen


Solver der Optimization Toolbox fr nichtlineare Probleme verwenden gradientenbasierte
Methoden zur Minimierung oder Maximierung eines Ziels. Informationen ber den Gradienten
der Zielfunktion knnen entweder unter Verwendung endlicher Differenzen durch den Solver
geschtzt werden oder dem Solver durch den Anwender zur Verfgung gestellt werden.

Parallel Computing
Die Optimization Toolbox kann mit der Parallel Computing Toolbox
(http://www.mathworks.com/products/parallel-computing/) kombiniert werden, um
Probleme zu lsen, die von parallelen Rechenvorgngen profitieren. Durch parallele
Berechnungen lsst sich in vielen Fllen die zur Lsung eines Problems bentigte Zeit
verkrzen. Die Optimization Toolbox bietet die einfache Nutzung bereits implementierter
Untersttzung fr parallele Berechnungen oder erlaubt eine durch den Anwender definierte
ParallelisierungMithilfe der integrierten Untersttzung fr paralleles Rechnen lsst sich in
verschiedenen Solvern der Schritt der Gradientenschtzung fr nichtlineare
Optimierungsprobleme mit Nebenbedingungen, Mehrziel-Goal-Attainment-Problemen und
Minimax-Problemen beschleunigen.

Verkrzung der Lsungszeit eines Problems aus der Elektrostatik durch Nutzung der in einen Solver fr
die nichtlineare Optimierung integrierten Untersttzung fr Parallel Computing. Diese integrierte
Fhigkeit wird durch das Setzen der UseParallel-Option (links) fr die Zielfunktion (Mitte rechts) und die
Nebenbedingungsfunktion (unten rechts) aktiviert. Die Lsung ist oben rechts angezeigt.

Bei einer selbst definierten Parallelisierung muss der Anwender sein Optimierungsproblem
explizit so einrichten, dass es parallele Berechnungen untersttzt. Dazu knnen sowohl die
Zielfunktion als auch die Nebenbedingungs-Funktion parallelisiert werden. Je nach Bedarf
knnen also die zur Ermittlung des Ziels und/oder der Nebenbedingung bentigte Zeit
verkrzt werden.

10 von 11

07.10.2016 23:28

Funktionen - Optimization Toolbox - MathWorks Deutschland

http://de.mathworks.com/products/optimization/features.html

Verkrzung der Rechenzeit (oben rechts) fr ein Modell einer Fahrwerksaufhngung (unten links und
unten rechts) mit Messunsicherheiten; die Zielfunktion muss dazu lediglich durch Vernderung einer
einzigen Codezeile angepasst werden (oben links).

(http://www.mathworks.com Beschleunigen der Lsung von


/videos/speedingOptimierungsproblemen durch Parallel Computing
up-optimization(http://www.mathworks.com/videos/speedingproblems-using-parallelup-optimization-problems-using-parallel-computingcomputing-81753.html)
81753.html)
55:41
Schnellere Lsung von Optimierungsproblemen mit der Parallel
Computing Toolbox.

Ableitungen liefern
Solver der Optimization Toolbox minimieren nichtlineare Funktionen, indem sie die partiellen
Ableitungen der Zielfunktion unter Verwendung endlicher Differenzen schtzen. Alternativ
dazu knnen Sie Funktionen definieren, die die Werte der partiellen Ableitungen berechnen
und somit den Aufwand zur Schtzung der Ableitung deutlich verringern.
Die Berechnung partieller Ableitungen einer Zielfunktion kann eine langwierige Aufgabe sein.
Durch symbolisches Ausdrcken des Problems mittels Symbolic Math Toolbox
(http://www.mathworks.com/products/symbolic/) knnen Sie eingebaute Funktionen zur
automatischen Berechnung partieller Ableitungen der Zielfunktion verwenden. Der MATLAB
(http://www.mathworks.com/products/matlab/) -Code kann zur Verwendung mit Solvern
der Optimization Toolbox generiert werden.
Optimierung mit symbolischen Ableitungen (http://www.mathworks.com/company
/newsletters/articles/optimization-using-symbolic-derivatives.html) (Technischer Artikel)

TESTEN ODER KAUFEN


Vertrieb kontaktieren (http://www.mathworks.com/company/aboutus/contact_us
/contact_sales.html?s_iid=desc_sales_OP_tb)
Produkt-Testversion (http://www.mathworks.com/programs/trials
/trial_request.html?prodcode=OP&s_iid=desc_trial_OP_tb)
Preise und Lizenzierung (http://www.mathworks.com/pricing-licensing
/index.html?prodcode=OP&s_iid=desc_pl_OP_tb)

Mathematische Optimierung mit MATLAB


Webinar anzeigen (http://www.mathworks.com/videos/mathematical-optimization-using-matlab94862.html?s_iid=desc_rw_OP_cta2)

1994-2016 The MathWorks, Inc.

11 von 11

07.10.2016 23:28