42 KiB
数学函数 / 优化
nonLP_fmincon(fun, x_0, a, b, aeq, beq, nonlcon)
声明：function
使用起作用集法求解带线性约束和非线性约束的优化问题
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数名称 |
x_0 |
array | 初始点 |
a |
array | 线性不等式约束矩阵 |
b |
array | 线性不等式约束向量 |
aeq |
array | 线性等式约束矩阵 |
beq |
array | 线性等式约束向量 |
nonlcon |
string | 非线性约束函数名称，空字符串表示无 |
返回：array
示例
范例01：调用无显式约束的目标函数
empty_matrix := array();
return nonLP_fmincon(
"sum", array(1.0), empty_matrix, empty_matrix,
empty_matrix, empty_matrix, "");
Fmin(fun, x0, a, b, aeq, beq, lb, ub, nonlcon)
声明：function
用起作用集法求任意形式的非线性优化问题，返回最优点和最优值。新的非线性规划代码建议使用 Prog_N。
来源：天软金融分析.NET函数大全 > TSL函数 > 数学函数 > 优化 > Fmin
Source ID：21143
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数名 |
x0 |
array | 初值向量 |
a |
array | 线性不等式约束系数矩阵 |
b |
array | 线性不等式约束右侧向量 |
aeq |
array | 线性等式约束系数矩阵 |
beq |
array | 线性等式约束右侧向量 |
lb |
array | 变量下界 |
ub |
array | 变量上界 |
nonlcon |
string | 非线性约束回调名；无约束时传空字符串 |
返回：array
示例
return Fmin(
"sum",
array(0.0),
array(),
array(),
array(),
array(),
array(-1.0),
array(1.0),
""
);
// 输出：返回包含最优点和最优值的数组
H_J_CallBack(x, r)
声明：function
H_J算法回调
| 参数 | 类型 | 说明 |
|---|---|---|
x |
array | 一维数字数组类型 |
r |
float | 实数类型 |
返回：float
H_J_Method_Pgm(call_back)
声明：function
H_J算法测试
| 参数 | 类型 | 说明 |
|---|---|---|
call_back |
string | 字符串类型，计算目标值的回调 |
返回：array
Hooke_Jeeves_Method(x0, d0, d_min, r, call_back)
声明：function
H-J法求解无约束最优化问题
| 参数 | 类型 | 说明 |
|---|---|---|
x0 |
array | 一维数字数组类型 |
d0 |
array | 一维数字数组类型 |
d_min |
array | 一维数字数组类型 |
r |
float | 实数类型 |
call_back |
string | 字符串类型，计算目标值的回调 |
返回：array
示例
return Hooke_Jeeves_Method(
array(2.0),
array(1.0),
array(0.01),
0.5,
"H_J_CallBack"
);
// 输出：返回包含 1 个元素的最优解数组
intLinProg(f, a, b, aeq, beq, int_par)
声明：function
（线性规划，包括整数规划，01规划建议统一使用prog_L函数）解决如下整数规划模型问题
| 参数 | 类型 | 说明 |
|---|---|---|
f |
array of real | 一维实数数组，表示整数规划模型的目标函数系数； |
a |
array of real | 二维实数数组，表示整数规划模型的带“”约束方程系数矩阵，如果是带“”，则将该方程两边同乘以“-1”； |
b |
array of real | 一维实数数组，表示整数规划模型带“”约束方程的约束值； |
aeq |
array of real | 二维实数数组，表示整数规划模型带“=”约束方程系数矩阵； |
beq |
array of real | 一维实数数组，表示整数规划模型带“=”约束方程的约束值； |
int_par |
array of real | 一维整数数组，表示要取整数的变量，缺省时表示全部变量取整； |
返回：array
示例
求解模型：最大化 40x1 + 90x2，约束为 9x1 + 7x2 <= 56、7x1 + 20x2 <= 70，且 x1、x2 为非负整数。
范例01：整数线性规划
f := array(-40, -90);
a := array((9, 7), (7, 20));
b := array(56, 70);
aeq := array();
beq := array();
int_par := array();
return intLinProg(f, a, b, aeq, beq, int_par);
// 输出：x1=4,x2=2,f(x)=-340
linearProgramming(f, a, b, aeq, beq)
声明：function
（线性规划，包括整数规划，01规划建议统一使用prog_L函数）,解决如下线性规划模型问题
| 参数 | 类型 | 说明 |
|---|---|---|
f |
array of real | 一维实数数组，表示线性规划模型的目标函数系数； |
a |
array of real | 二维实数数组，表示线性规划模型的带“”约束方程系数矩阵，如果是带“”，则将该方程两边同乘以“-1”； |
b |
array of real | 一维实数数组，表示线性规划模型带“”约束方程的约束值； |
aeq |
array of real | 二维实数数组，表示线性规划模型带“=”约束方程系数矩阵； |
beq |
array of real | 一维实数数组，表示线性规划模型带“=”约束方程的约束值； |
返回：any
示例
求解模型：最小化 -5x1 - 4x2 - 6x3，约束为 x1 - x2 + x3 <= 20、3x1 + 2x2 + 4x3 <= 42、3x1 + 2x2 <= 30，且各变量非负。
范例01：线性规划
f := array(-5, -4, -6);
a := array((1, -1, 1), (3, 2, 4), (3, 2, 0));
b := array(20, 42, 30);
aeq := array();
beq := array();
return linearProgramming(f, a, b, aeq, beq);
// 输出：x1=0,x2=15,x3=3,f(x)=-78
NonLP_BSearch(fun, x0, h)
声明：function
一维盲人搜索方法，目标函数既可以是单峰，也可以是多峰。返回最优点和最优值。（中间函数）
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型 |
x0 |
float | 初值，为实数类型； |
h |
float | 步长，为实数类型； |
返回：array
NonLP_Fibonacci(fun, a, b)
声明：function
（一维最小值搜索建议统一使用NonLP_Fminbnd函数），斐波那契法，用斐波那契数列去搜索[a,b]区间内目标函数的最小值，返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
a |
float | 区间左侧，为实数类型； |
b |
float | 区间右侧，为实数类型 |
返回：array
NonLP_Fminbnd(fun, a, b, methods)
声明：function
一维最小值搜索，求解模型如下： min fun(x)
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数(函数名字符串) |
a |
float | 下界，实数 |
b |
float | 上界，实数 |
methods |
any | 方法选择0 :黄金分割法+抛物线法（默认）1 : 盲人收索法2 :黄金分割法3 :斐波那契法 |
返回：array
示例
return NonLP_Fminbnd("abs", -2.0, 3.0, 0);
// 输出：返回包含 X、opt 和 Iter 的结果数组
NonLP_Fminsearch(fun, x0, methods)
声明：function
无约束最小值求解,求解模型如下： min fun(x)
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数，函数名字符串 |
x0 |
array | 初始值，一维数字数组 |
methods |
any | 方法选择0 单纯形法1 转轴法2 模式搜索法3 拟牛顿下山法（默认方法，推荐使用） |
返回：array
NonLP_Golden(fun, a, b)
声明：function
（一维最小值搜索建议统一使用NonLP_Fminbnd函数），黄金分割法搜索[a,b]区间内目标函数的最小值，返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
a |
float | 区间左侧，为实数类型； |
b |
float | 区间右侧，为实数类型 |
返回：array
NonLP_GP(fun, a, b)
声明：function
（一维最小值搜索建议统一使用NonLP_Fminbnd函数），黄金分割+抛物线插值法：一维优化方法，返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
a |
float | 区间左侧，为实数类型； |
b |
float | 区间右侧，为实数类型； |
返回：array
NonLP_Hooke_Jeeves(fun, x0)
声明：function
（无约束最小值求解建议统一使用NonLP_Fminsearch函数）模式搜索法，又叫Hooke-Jeeves法，求解无约束多维极值问题，返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型 |
返回：array
NonLP_minFactor(fun, x0, aeq, beq, nonlcon)
声明：function
（非线性规划建议统一使用prog_n函数）,乘子法求等式约束问题，可求解如下问题
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型； |
aeq |
array | 线性矩阵等式约束，为二维数组类型； |
beq |
array | 线性向量等式约束值，为一维数组类型； |
nonlcon |
string | 非线性约束回调，为字符串类型； |
返回：array
NonLP_minPS(fun, x0, a, b, nonlcon)
声明：function
（非线性规划建议统一使用prog_n函数）,坐标轮换法求不等式约束问题，初值必须在可行域内！可求解如下问题
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型； |
a |
array | 线性矩阵不等式约束，为二维数组类型； |
b |
array | 线性向量不等式约束值，为一维数组类型； |
nonlcon |
string | 非线性约束回调，为字符串类型； |
返回：array
NonLP_minSUMT(fun, x0, a, b, aeq, beq, nonlcon, methods)
声明：function
（非线性规划建议统一使用prog_n函数）混合惩罚函数+转轴法/模式搜索法：可解所有优化问题，返回最优点、最优值和迭代次数。可求解如下问题
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型； |
a |
array | 线性矩阵不等式约束，为二维数组类型； |
b |
array | 线性向量不等式约束值，为一维数组类型； |
aeq |
array | 线性矩阵等式约束，为二维数组类型； |
beq |
array | 线性向量等式约束值，为一维数组类型； |
nonlcon |
string | 非线性约束回调，为字符串类型； |
methods |
string | 方法选择,’NM’,’Rb’,’HJ’ |
返回：array
NonLP_Nelder(fun, x0)
声明：function
（无约束最小值求解建议统一使用NonLP_Fminsearch函数）内德-米德法，无约束多维的非线性规划方法，即单纯形法。返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型 |
返回：array
NonLP_Range(fun, x0, h)
声明：function
进退法，可一维优化问题的确定搜索区间，但目标函数必须是单峰函数，返回结果为上下界的取值。（中间函数）
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型 |
x0 |
float | 初值，为实数类型； |
h |
float | 步长，为实数类型； |
返回：array
NonLP_Rosenbrock(fun, x0)
声明：function
（无约束最小值求解建议统一使用NonLP_Fminsearch函数）Rosenbrock求无约束多维极值问题，返回最优点和最优值
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
string | 目标函数表达式，为字符串类型； |
x0 |
array | 初值向量，为一维数组类型 |
返回：array
ozProg(f, a, b)
声明：function
（线性规划，包括整数规划，01规划建议统一使用prog_L函数）,0-1规划，解决如下0-1整数规划模型问题 返回该0-1规划模型的最小值及其对应变量的取值,其中可以转化为和
| 参数 | 类型 | 说明 |
|---|---|---|
f |
array | 一维实数数组，表示0-1规划模型的目标函数系数； |
a |
array | 二维实数数组，表示0-1规划模型的带“”约束方程系数矩阵，如果是带“”，则将该方程两边同乘以“-1”； |
b |
array | 一维实数数组，表示0-1规划模型带“”约束方程的约束值； |
返回：array
示例
f := array(-3, 2, -5);
a := array((1, 2, -1), (1, 4, 1), (1, 1, 0), (4, 0, 1));
b := array(2, 4, 3, 6);
ozProg(f, a, b);
// 输出：x1=1,x2=0,x3=1,f(x)=-8
Prog_L(f, a, b, aeq, beq, lb, ub, x0, options, ozarr, intarr)
声明：function
使用单纯形法，和起作用集法，系统默认作用集形法求解线性规划问题，即求解目标都为线性和约束条件都为线性的规划问题 Prog_L(f,A,b) 求解不等式约束 Prog_L(f,A,b,Aeq,beq) 求解不等式约束、等式约束 Prog_L(f,A,b,Aeq,beq,LB,UB) 求解不等式约束、等式约束、上下界限约束 Prog_L(f,A,b,Aeq,beq,LB,UB,x0,options) 求解不等式约束、等式约束，上下限约束，加入用户算法设置 Prog_L(f,A,b,Aeq,beq,LB,UB,x0,options,ozarr) 求解不等式约束、等式约束、上下限约束、0-1 约束 Prog_L(f,A,b,Aeq,beq,LB,UB,x0,options,ozarr,intarr) 求解不等式约束、等式约束、上下限约束、0-1 约束、整数约束 模型表达： min= sum(f*x) st. A:*x<=b Aeq :* x = Beq lb<x<ub x = (0 or 1) x = integer
| 参数 | 类型 | 说明 |
|---|---|---|
f |
array | 线性目标，一维数字数组，不可缺省 |
a |
array | 线性约束，二维数字数组，不可缺省 |
b |
array | 线性约束，一维数字数组，不可缺省 |
aeq |
array | 线性约束，二维数字数组，缺省为空 |
beq |
array | 线性约束，一维数字数组，缺省为空 |
lb |
array | 下界约束，一维数字数组，缺省为空 |
ub |
array | 上界约束，一维数字数组，缺省为空 |
x0 |
array | 初始值，一维数组 |
options |
array | 选项设置，数据表类型，缺省为:；array( 'algorithm' :'activeset'，//'simplex' 单纯形，'activeset' 作用集法；//(当整数、0-1 约束时推荐使用)；'maxiter': 400 , //最大迭代次数；'tolcon': 1.0e-10, //约束容忍误差；'tolfun' : 1.0e-8 , //目标最小误差；'tolx' : 1.0e-8 //变量最小变化) |
ozarr |
array | 01约束条件，第1个变量为01变量则ozarr := array(0) |
intarr |
array | 整数约束条件，第2,3两个变量为整数变量则 intarr:=array(1,2)；返回结果:；数据表类型；ret["X"] : 变量取值，一维数字数组；ret["Fval"] :规划目标值，实数；ret["Error_M"] : 结果信息，整数；ret["Iter"] : 迭代次数,整数 |
返回：array
Prog_M(fun, x0, goal, weight, a, b, aeq, beq, lb, ub, nlc, options)
声明：function
求解多目标规划问题 模型表达： min AttainFactor st. f(x)-AttainFactor*wight <=goal //目标约束 c(x)<=0; //非线性不等式约束 ceq(x)=0; //非线性等式约束 A*x<=b; //线性不等式约束 aeq*x=beq; //线性等式约束 lb<=x<=ub ; //边界约束
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
array | 目标函数，函数名字符串 |
x0 |
array | 初始值 |
goal |
array | 目标中各个分目标的差，一维数组和目标个数相同 |
weight |
array | 目标中各个分量的在总体中的比重，一维数组和目标个数相同 |
a |
array | 不等式约束，二维数组 |
b |
array | 不等式约束，一维数组 |
aeq |
array | 等式约束，二维数组 |
beq |
array | 等式约束，一维数组 |
lb |
array | 下界，一维数组 |
ub |
array | 上界，一维数组 |
nlc |
string | 非线性约束，约束函数名字符串 |
options |
array | 算法参数设置，默认为:array('maxiter':400, //最大迭代次数'maxfunevals':'100*numberofvariables', //目标回调最大次数'tolcon':1.0e-6,//约束容忍误差'tolfun' :1.0e-6,//目标最小误差'tolx' :1.0e-6, //变量最小变化'diffmaxchange':1e-1,//差分时最大步长'diffminchange':1e-8)// 差分时最小步长 |
返回：array
Prog_N(fun, x0, a, b, aeq, beq, lb, ub, nlc, options)
声明：function
采用拟牛顿下山方法求解非线性规划求解。 Prog_n(fun,x0) 无约束最小值约束 Prog_n(fun,x0,A,B) 非线性不等式约束求解 Prog_n(fun,A,b,Aeq,beq) 求解不等式约束、等式约束 Prog_n(fun,x0,A,b,Aeq,beq,LB,UB) 求解不等式约束、等式约束、上下界限约束 Prog_n(fun,x0,A,b,Aeq,beq,LB,UB,x0,options) 模型表达 1非线性无约束最小值 min fun(x) 2非线性规划求解 min fun(x) st. c(x)<=0; //非线性不等式约束 ceq(x)=0; //非线性等式约束 A*x<=b; //线性不等式约束 aeq*x=beq; //线性等式约束 lb<=x<=ub ; //边界约束
| 参数 | 类型 | 说明 |
|---|---|---|
fun |
array | 目标函数，目标函数名字符串类型，不可缺省。其中，目标函数的返回值必须是一个实数（1x1的矩阵，或长度为1的数组都不允许） |
x0 |
array | 初始值，一维数字数组，不可缺省 |
a |
array | 不等式约束，二维数组，缺省为空 |
b |
array | 不等式约束，一维数组，缺省为空 |
aeq |
array | 等式约束，二维数组，缺省为空 |
beq |
array | 等式约束，一维数组，缺省为空 |
lb |
array | 下界，一维数组，缺省为空 |
ub |
array | 上界，一维数组，缺省为空 |
nlc |
array | 非线性约束，函数名，字符串 |
options |
array | 算法参数设置，默认为array('maxiter':400 , //最大迭代次数'maxfunevals':'100*numberofvariables', //目标回调最大次数'tolcon':1.0e-6 ,//约束容忍误差'tolfun' :1.0e-6 ,//目标最小误差'tolx' :1.0e-6 , //变量最小变化'diffmaxchange':1e-1,//差分时最大步长'diffminchange':1e-8 )// 差分时最小步长 |
返回：array
Prog_Q(h, f, a, b, aeq, beq, lb, ub, x0, options)
声明：function
二次规划问题求解(采用作用集方法) Prog_Q(H,f,A,b) 求解不等式约束 Prog_Q(H,f,A,b,Aeq,beq) 求解不等式约束、等式约束 Prog_Q(H,f,A,b,Aeq,beq,LB,UB) 求解不等式约束、等式约束、上下界限约束 Prog_Q(H,f,A,b,Aeq,beq,LB,UB,x0,options) 模型表达： min= `x* H* x /2 + sum(f*x) st. A:*x<=b Aeq :* x = Beq; lb<x<ub
| 参数 | 类型 | 说明 |
|---|---|---|
h |
array | 二次型，正定二次型二维数字数组，不可缺省 |
f |
array | 线性目标，一维数字数组，不可缺省 |
a |
array | 线性约束，二维数字数组，不可缺省 |
b |
array | 线性约束，一维数字数组，不可缺省 |
aeq |
array | 线性约束，二维数字数组，缺省为空 |
beq |
array | 线性约束，一维数字数组，缺省为空 |
lb |
array | 下界约束，一维数字数组，缺省为空 |
ub |
array | 上界约束，一维数字数组，缺省为空 |
x0 |
array | 初始值，一维数组 |
options |
array | 选项设置,数据表类型，缺省为array('maxiter': 400 , //最大迭代次数'tolcon': 1.0e-6, //约束容忍误差'tolfun' : 1.0e-6 , //目标最小误差'tolx' : 1.0e-6 //变量最小变化) |
返回：array
quadLagR(h, f, aeq, beq)
声明：function
(二次规划建议统一使用prog_Q函数)解决如下二次规划模型问题
| 参数 | 类型 | 说明 |
|---|---|---|
h |
array,tablearray | 二维实数数组，表示二次项目标函数系数，为对称矩阵 |
f |
array,tablearray | 一维实数数组，表示二次规划模型的目标函数系数； |
aeq |
array,tablearray | 二维实数数组，表示二次规划模型带“=”约束方程系数矩阵； |
beq |
array,tablearray | 一维实数数组，表示二次规划模型带“=”约束方程的约束值。 |
返回：any
示例
求解模型：最小化 2x1^2 + x2^2 + x1*x2 - x1 - x2，约束为 x1 + x2 = 1。
范例01：带等式约束的二次规划
h := Array((4, 1), (1, 2));
f := Array(-1, -1);
aeq := array((1, 1));
beq := array(1);
return quadLagR(h, f, aeq, beq);
// 输出：x1=0.25, x2=0.75, 最小值f(x)=-0.125
quadprog(h, f, a, b, aeq, beq)
声明：function
（二次规划建议统一使用prog_Q函数）,解决如下二次规划模型问题
| 参数 | 类型 | 说明 |
|---|---|---|
h |
array of real | 二维实数数组，表示二次项目标函数系数，为对称矩阵 |
f |
array of real | 一维实数数组，表示二次规划模型的目标函数系数； |
a |
array of real | 二维实数数组，表示二次规划模型的带“”约束方程系数矩阵，如果是带“”，则将该方程两边同乘以“-1”； |
b |
array of real | 一维实数数组，表示二次规划模型带“”约束方程的约束值； |
aeq |
array of real | 二维实数数组，表示二次规划模型带“=”约束方程系数矩阵； |
beq |
array of real | 一维实数数组，表示二次规划模型带“=”约束方程的约束值； |
返回：array
示例
求解模型：最小化 1/2*x1^2 + x2^2 - x1*x2 - 2x1 - 6x2，并满足文中所列不等式及非负约束。
范例01：带不等式约束的二次规划
h := Array((1, -1), (-1, 2));
f := Array(-2, -6);
a := Array((1, 1), (-1, 2), (2, 1));
b := array(2, 2, 3);
aeq := array();
beq := array();
return quadprog(h, f, a, b, aeq, beq);
// 输出：x1=0.6667,x2=1.3333,f(x)=-8.2222
quadTrackRoute(h, f, a, b, aeq, beq, x0)
声明：function
（二次规划建议统一使用prog_Q函数）解决如下二次规划模型问题
| 参数 | 类型 | 说明 |
|---|---|---|
h |
array of real | 二维实数数组，表示二次项目标函数系数，为对称矩阵 |
f |
一维实数数组，表示二次规划模型的目标函数系数； | |
a |
array of real | 二维实数数组，表示二次规划模型的带“”约束方程系数矩阵，如果是带“”，则将该方程两边同乘以“-1”； |
b |
array of real | 一维实数数组，表示二次规划模型带“”约束方程的约束值； |
aeq |
array of real | 二维实数数组，表示二次规划模型带“=”约束方程系数矩阵； |
beq |
array of real | 一维实数数组，表示二次规划模型带“=”约束方程的约束值； |
x0 |
array of real | 变量的初始点。 |
返回：array
示例
求解模型：最小化 2x1^2 + 2x2^2 - x1*x2 + 8x1 - 6x2，约束为 x1 + x2 <= 2、2x1 - x2 <= 1。
范例01：指定初始点的二次规划
h := Array((4, -1), (-1, 4));
f := Array(8, -6);
a := Array((1, 1), (2, -1));
b := array(2, 1);
aeq := array();
beq := array();
x0 := array(0, 0);
return quadTrackRoute(h, f, a, b, aeq, beq, x0);
// 输出：x1=-1.733333, x2=1.066667, 最小值f(x)=-10.13333
SUMT_Method(x0, call_back)
声明：function
SUMT法求解有约束最优化问题
| 参数 | 类型 | 说明 |
|---|---|---|
x0 |
array | 一维数字数组类型，各个变量的初始值 |
call_back |
string | 字符串类型，计算目标值的回调 |
返回：array
示例
return SUMT_Method(array(1.0), "Sumt_Method_CallBack");
// 输出：返回包含 1 个元素的最优解数组
Sumt_Method__Pgm()
声明：function
Sumt算法测试
返回：array
Sumt_Method_CallBack(x, r)
声明：function
Sumt算法回调
| 参数 | 类型 | 说明 |
|---|---|---|
x |
array | 一维数字数组类型 |
r |
float | 实数类型 |
返回：float
tsOptimizer
声明：class
天软规划求解基类，以面向对象方式封装 Prog_N、Prog_Q 和 Prog_L
来源：depth=3
Source ID：21162
Source URL：http://www.tinysoft.com/tsdn/helpdoc/display.tsl?id=21162
Ff
声明：field
线性目标
可见性：public
类型：array
Fh
声明：field
二次型
可见性：public
类型：array
Fa
声明：field
线性约束系数矩阵
可见性：public
类型：array
Fb
声明：field
线性约束右侧向量
可见性：public
类型：array
FAeq
声明：field
线性等式约束系数矩阵
可见性：public
类型：array
FBeq
声明：field
线性等式约束右侧向量
可见性：public
类型：array
FLb
声明：field
变量下界约束
可见性：public
类型：array
FUb
声明：field
变量上界约束
可见性：public
类型：array
FOzarr
声明：field
0-1 约束条件
可见性：public
类型：array
FIntarr
声明：field
整数约束条件
可见性：public
类型：array
Fx0
声明：field
优化初始值
可见性：public
类型：array
Foptions
声明：field
算法选项设置
可见性：public
类型：array
Fresult
声明：field
优化后的结果
可见性：public
类型：array
Obj(x)
声明：function
计算优化目标
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
x |
real | 当前优化变量向量，用于计算目标函数值 |
返回：float
Con(x)
声明：function
增加非线性约束
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
x |
array | 当前优化变量向量，用于计算非线性约束值 |
返回：array
Prog()
声明：function
执行优化并返回 Fresult
可见性：public
返回：array
Prog_Debug()
声明：function
查询优化结果并进行约束校验
可见性：public
返回：array
Prog_Debugprint(space)
声明：function
打印当前优化结果质量
可见性：public
| 参数 | 类型 | 说明 |
|---|---|---|
space |
int | 可选。默认 0。优化结果打印时使用的缩进/格式控制值 |
返回：nil
Prog_ConsTest_Linear()
声明：function
检测当前线性约束是否可行
可见性：public
返回：array