关于yalmip知识点.doc

: .
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 = in tvar(m, n, [optio n])
>> x = bin var(m, n, [opti on])
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 con strai nt 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 bou nd1');
如果要继续添加约束也非常简单，支持用 +直接相连( et里面的事件处理程 序):
>> F = F + set(c on strai nt1 [, tag1]);
>> F = F + set(co nstrai nt 2 [, 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 = sdpsett in gs(opti on1, value1, optio n2, value2, )
例如语句
>> ops = sdpsett in gs('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