yalmip使用指南

1.介绍

首先，yalmip是一个matlab的工具包，通过matlab实现各种操作和调用。

其次，它是一个建模工具，甚至可以称为一种“语言”，通过这种“语言”来描述模型，然后再调用其他求解器（如gurobi、cplex等）来求解模型。相当于一个将“yalmip语言”转换成其他求解器“语言”的语言转换器。

不同的求解器有不同的专用语言，学习多个语言即冗余又浪费精力，所以，yalmip的珍贵之处就体现出来了。

更为可贵的是，yalmip真正实现了建模和算法二者的分离，它提供了一种统一的、简单的建模语言，针对所有的规划问题，都可以用这种统一的方式建模；至于用哪种求解算法，你只需要通过一次简单的参数配置指定就可以了，甚至不用你指定，yalmip会自动为你选择最适合的算法。

有了yalmip，你不再需要针对每一种工具包去学习特定的建模语言（比如用cplex要专门学习cplex的建模语言，用lingo要专门学习lingo的建模语言，还有GLPK、lpsolve、Matlab自带的求解器等等，如果每一种求解器都要学习新的建模语言的话，这个工作量是可想而知的）。相反，如果你选择使用yalmip，那么你只需要学习yalmip一种建模语法，因为yalmip真正实现了建模和算法的分离，所有的问题都可以用统一的方法建模，如果需要使用不同的求解器，只需要一句简单的配置即可。因此，yalmip不仅仅是一个线性规划求解器，更强大的地方在于，它提供了一个统一的建模平台，支持现有的几乎所有的求解算法。有了yalmip，一切都变得简单起来。

以上摘自博客《yalmip + lpsolve + matlab 求解混合整数线性规划问题（MIP/MILP）》

2.安装

1. 官网下载https://yalmip.github.io/
2. 解压至matlab/toolbox
3. matlab中设置路径，注意：要将压缩包内的子文件夹都加入路径，选择“添加并包含子文件夹”来添加路径；
4. 检查是否配置成功：matlab中调用yalmitest命令，查看所有支持的求解器已经他们的安装状态。

3.使用

3.1 定义变量

       设置默认格式变量：x = sdpvar(m, n, [option])

        设置整数格式变量：x = intvar(m, n, [option])

        设置0-1格式变量：x = binvar(m, n, [option])

  3.2 设定目标函数

        举例：f = [4 2 1] * x;

  3.3 设定约束

          直接设置：Constraints = [sum(x) <= 10, x(1) == 0, 0.5 <= x(2) <= 1.5];

      增加新约束：Constraints = [Constraints, x(2) == 1,];

  3.4 设定求解要求及参数

       命令语句：sdpsettings(option1, value1, option2, value2, ……)

        举例：ops=sdpsettings('solver','gurobi','verbos',2)

       'solver' 参数指定程序用gurobi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）。

  3.5 求解

    result = solvesdp(F, f, ops)或sol = optimize(Constraints,Objective,options);

    查看最优解x：solution=value(x)

问题探查：

% Analyze error flags
if sol.problem == 0
 % Extract and display value
 solution = value(x)
else
 display('Hmm, something went wrong!');
 sol.info
 yalmiperror(sol.problem)
end