YALMIP工具箱 免费版

YALMIP工具箱是基于MATLAB设计的一款免费的求解规划工具箱，可以帮助用户有效的解决各种规划问题，软件具有操作简单的特点，只要熟悉MATLAB语法的朋友都可以轻松操作，需要的朋友可以下载！

YALMIP工具箱安装方法

1、确保MATLAB版本在2015a及以上.

2、下载zip安装包,随后解压到MATLAB目录下,如果你的MATLAB安装在默认目录下,那么结果如下:

3、将YALMIP的目录加入到MATLAB的PATH中,其中包括:

4、验证YALMIP的安装工作

在MATLAB中输入 yalmiptest ,若出现

+++++++++++++++++++++++++++++++++++++++++++++++

| Searching for installed solvers |

+++++++++++++++++++++++++++++++++++++++++++++++

| Solver| Version/module| Status|

+++++++++++++++++++++++++++++++++++++++++++++++

| LINPROG| | found|

| QUADPROG| | found|

| LMILAB| | found|

| FMINCON| geometric| found|

| ....... |

| FRLIB| | not found|

+++++++++++++++++++++++++++++++++++++++++++++++

那么恭喜你,YALMIP安装成功!

5、安装基础的解析器

细心的朋友应该发现了,当我们执行 yalmiptest 时,实际上是检查可使用的解析器.下面就介绍一些常用的解析器以及安装

Gurobi/CPLEX:Gurobi和CPLEX适用的范围差不多,所以上只要装一个就行.性能的话还是CPLEX会好一点(毕竟IBM,但差别不大),两者都有针对学术的免费版本,CPLEX学术版本的获取需要以教师身份注册,而Gurobi是需要教育网IP验证.同时Gurobi还有免费的社区版本(半年).各版本的区别都在于支持的变量数上,然而Gurobi的社区版本个人以为完全可以满足国赛的需要了(超了那个数量自己想想思路有没有问题).

以下是Gurobi的安装流程.

先到 Gurobi 官网上注册账号.

申请对应版本的序列号.

下载对应版本 Gurobi ,安装后重启.

Win+R运行cmd回车后 输入激活码 grbgetkey xxx-xxx-xxx-xxx .

在MATLAB下运行Gurobi/win/matlab/gurobi_setup.m 同时保存PATH savepath

在运行 yalmiptest 应该看到Gurobi变成found了.

当然,如果你确实需要一个支持大量变量的解析器,那么你只能用mosek了,只需要edu邮箱验证,然而解题速度会慢很多.

YALMIP使用方法

1、设未知量

x = sdpvar(n,m); %生成a行b列的未知量

之前也说过YALMIP的未知量有3中类型.分别为

sdpvar %实型

intvar %整型

binvar %0-1型

需要混合规划多设几个变量就行了

2、约束条件

e.g.F = [-2 <= x <= 2];

3、写目标函数

obj = x(1)^2+x(2)^2;

4、求解

optimize(F,obj[,options]);

F为约束,obj为目标函数(默认求最小值),options可选择求解器,改变输出方式,如:

optimize(F,obj,sdpsettings('solver','gurobi','verbose',2));

指定solver为Gurobi,不打印解析过程

5、获取结果

opt=value(x); %x的值

YALMIP工具箱具体案例求 x^2+y^2在x,y∈[-2,2]上的最小值.

%生成2*1的矩阵变量

x = sdpvar(2,1);

%限制条件

F = [-2 <= x <= 2];

%目标函数

obj = x(1)^2+x(2)^2;

%求解

optimize(F,obj);

%取得值以及对应的x的值

optobj = value(obj)

optx = value(x)

结果如下(我的gurobi过期了,以下为MATLAB自带求解器结果)

optobj =

1.5449e-43

optx =

1.0e-21 *

0.2779 0.2779

YALMIP工具箱具体案例

求 x^2+y^2在x,y∈[-2,2]上的最小值.

%生成2*1的矩阵变量

x = sdpvar(2,1);

%限制条件

F = [-2 <= x <= 2];

%目标函数

obj = x(1)^2+x(2)^2;

%求解

optimize(F,obj);

%取得值以及对应的x的值

optobj = value(obj)

optx = value(x)

结果如下(我的gurobi过期了,以下为MATLAB自带求解器结果)

optobj =

1.5449e-43

optx =

1.0e-21 *

0.2779 0.2779