YALMIP安装、教程与示例
Yalmip使用1. 创建决策变量: >> x = sdpvar(m, n [, option]):创建m*n的连续型决策变量矩阵,option是对矩阵的一些参数指定。 相应的,如果要创建整型或二值型决策变量,matlab语句分别为: >> x = intvar(m, n, [option]) >> x = binvar(m, n, [option]
一、安装
1.下载后的文件压缩包解压后如下:
YALMIP-master
我下的 download.csdn.net/download/mushuiliu/14127974
2.将其剪切至matlab常用工具包的根目录途径,(我的matlabR2020a):C:\Program Files\Polyspace\R2020a\toolbox\YALMIP-master
3.在matlab软件中添加路径:–主页\设置路径
直接选择添加并包含子文件夹
直接粘贴安装的路径
C:\Program Files\Polyspace\R2020a\toolbox\YALMIP-master
4.点击保存!!!
ps:如果matlab安装位置不同记得选择好自己安装matlab的正确位置哟!
5.测试安装是否成功.
在matlab运行窗口输入‘yalmiptest’命令或者‘which sdpvar’
也可以采用官网所说的安装方式。但是也得注意解压的位置!
二、Yalmip使用
1. 创建决策变量:
>> x = sdpvar(m, n [, option]):创建m*n的连续型决策变量矩阵,option是对矩阵的一些参数指定。
相应的,如果要创建整型或二值型决策变量,matlab语句分别为:
>> x = intvar(m, n, [option])
>> x = binvar(m, n, [option])
2. 添加约束:
>> F = set(constraint [, tag]):创建一个以constraint指定的约束,可选参数tag可以给该约束指定一个字符串标记。重要的是constraint的表达也非常简单,例如如果有 x1 + x2 + x3 <= 3 的约束,直接写:
>> x = sdpvar(3, 1);
>> F = set(x(1) + x(2) + x(3) <= 3, 'cost bound1');
如果要继续添加约束也非常简单,支持用+直接相连:
>> F = F + set(constraint1 [, tag1]);
>> F = F + set(constraint2 [, tag2]);……
例如,如果继续限制 x 只能取[0, 1]之间的值,则:
>> F = F + set(0 <= x <= 1, ‘upper and lower bound’);
一句话就搞定了,是不是非常简单。!
3. 参数配置
这个比较简单,语句如下:
>> ops = sdpsettings(option1, value1, option2, value2, ……)
例如语句
>> ops = sdpsettings('solver', 'lpsolve', 'verbose', 2);
'solver' 参数指定程序用lpsolve求解器(如果已经安装,否则会报错),如果不指定 ‘solver’ 参数,他会根据决策变量类型自动挑选已安装的、最适合的求解器;'verbose' 指定显示冗余度(冗余度越大,你就可以看到越详细的求解过程信息)。
4. 求解
这个也只有一句话:
>> result = solvesdp(F, f, ops) 求解一个数学规划(最小化)问题,该问题的目标函数由 f 指定,约束由 F 指定,ops指定求解参数,最后的结果存储在result结构体中。
还是以前面那个问题作为例子,如果用yalmip的话,只需要如下简单几句:
>> x = sdpvar(3, 1);
>> f = [4 2 1] * x;
>> F = set(2*x(1) + x(2) <= 1);
>> F = F + set(x(1) + 2 * x(3) <= 2);
>> F = F + set(x(1) + x(2) + x(3) == 1);
>> F = F + set(0 <= x(1) <= 1) + set(0 <= x(2) <= 1) + set(0 <= x(3) <= 2);
>> ops = sdpsettings('solver', 'lpsolve', 'verbose', 2);
>> result = solvesdp(F, -f, ops);
如果你想用 cplex 求解器求解,只需要将以上的‘solver’参数的‘lpsolve’改成‘cplex’,其他任何地方都不需要做改动。
除此以外,yalmip还支持几乎所有其他的求解算法,在matlab下输入yalmiptest命令可以得到所有支持的算法以及它们的安装状态。
三、求解器安装
1. Mosek
下载Mosek,安装(推荐默认),点击Matlab设置路径--添加并包含子文件夹
校园用户可下载license试用一年。
最后测试一下,在命令行输入
>> mosekdiag
Matlab version : 9.8.0.1323502 (R2020a)
Architecture : PCWIN64
mosekopt path : C:\Program Files\Mosek\9.2\toolbox\R2015a\mosekopt.mexw64
MOSEK version : 9.2.29
Test linear solve: Success
mosekopt works OK. You can use MOSEK in MATLAB.
2. SEDUMI和SDPT3
下载地址:
https://github.com/SQLP/SeDuMi
四、补充笔记
关于Yalmip的严格不等式约束
注意到关于Yalmip的约束写法都是非严格的不等式约束,如果要严格不等式约束的话,官网提示可以增加边际。详见tutorial中的半定规划部分内容 https://yalmip.github.io/tutorial/semidefiniteprogramming/
set函数的处理
比较早期的YALMIP程序中会看到set函数,比如《机器人控制系统的设计与基本设计方法》书中4.5节的LMI程序,
L1=Q*A1'+A1*Q+V1'*B1'+B1*V1;
L2=Q*A2'+A2*Q+V2'*B2'+B2*V2;
L3=Q*A1'+A1*Q+Q*A2'+A2*Q+V2'*B1'+B1*V2+V1'*B2'+B2*V1;
F=set(L1<0)+set(L2<0)+set(L3<0)+set(Q>0);
需要进行修改后才能在现在的版本运行。
F = [Q>=0];
F = [F, L1<=0];
F = [F, L2<=0];
F = [F, L3<=0];
网上的例程
% 清除工作区
clear;clc;close all;
% 创建决策变量
x = sdpvar(1,2);
% 添加约束条件
C = [
x(1) + x(2) >= 2
x(2)-x(1) <=1
x(1)<=1
];
% 配置
ops = sdpsettings('verbose',0,'solver','lpsolve');
% 目标函数
z = -(x(1)+2*x(2))/(2*x(1)+x(2)); % 注意这是求解最大值
% 求解
reuslt = optimize(C,z);
if reuslt.problem == 0 % problem =0 代表求解成功
value(x)
-value(z) % 反转
else
disp('求解出错');
end
更多参考
https://blog.csdn.net/yanerhao/article/details/44983153
https://yalmip.github.io/solver/sdpt3/
yalmip求解鲁棒优化:blog.csdn.net/wdl1992/article/details/105716806/
更多推荐
所有评论(0)