matlab min函数_Matlab+yalmip+cplex安装教程及算例

数学建模/科研学习推荐学习软件：Matlab+yalmip+cplex安装教程及算例

其实绝大多数本科生都是在用Matlab和LINGO求解优化问题，Matlab可以求解一般优化问题，但是当优化问题规模比较大或者在应对一些非线性问题时候，Matlab会出现求解时间长，求解效率低，甚至难以求解等问题。

Matlab+yalmip+cplex是Matlab通过调用商业软件cplex求解，求解时间短，这里简单介绍Matlab+yalmip+cplex安装教程及简单算例

CPLEX 安装教程：

1.在BIM官网下载CPLEX软件：CPLEX Optimizer.其中community-edition可以免费试用，但最多只能计算1000个变量或1000个约束条件的优化问题。而扩展版则需要购买，价格特别昂贵，一般优化问题其实community-edition足够了

2.在matlab菜单栏中找到设置路径（set path）的选项，选择“添加并包含子文件夹”，将cplex安装路径的cplexmatlab这一个文件夹添加进去，如图所示：

3.验证是否成功，命令窗口输入： doc cplex，若出现帮助文档，则表示路径添加成功

yalmip 安装教程：

1.在yalmip官网下载软件：https://yalmip.github.io/.教程网址：https://yalmip.github.io/tutorials/

2.将文件解压，并放到 matlab 程序安装路径中的 toolbox 文件夹下

3. 在matlab菜单栏中找到设置路径（set path）的选项，选择“添加并包含子文件夹”，将 yalmip 的路径添加进去，如图所示：

4.验证是否成功，命令窗口输入： doc yalmip，若出现帮助文档，则表示路径添加成功

小算例：

因为这里调用yalmip，所以编程语言其实和matlab有所不同，yalmip教程网址：https://yalmip.github.io/tutorials/，这里分享一个小算例和大家介绍常用语句：

%定义变量
x=sdpvar(2,1);
%目标函数
obj=2*x(1)+3*x(2);
%约束条件
constraint=[];
constraint=[constraint,x(1)+x(2)>350];
constraint=[constraint,x(1)>100];
constraint=[constraint,2*x(1)+x(2)<600];
constraint=[constraint,x(2)>0];
%求解
ops = sdpsettings('solver','cplex','verbose',1);
ops.cplex.display='on';
ops.cplex.timelimit=600;
ops.cplex.mip.tolerances.mipgap=0.001;
% 诊断求解可行性
disp('开始求解')
diagnostics=optimize(constraint,obj,ops);
if diagnostics.problem==0
    disp('Solver thinks it is feasible')
elseif diagnostics.problem == 1
    disp('Solver thinks it is infeasible')
    pause();
else
    disp('Timeout, Display the current optimal solution')
end

这里的常用语句：

sdpvar:实数变量，intvar：整数变量，binvar：0-1变量

value：变量或表达式的值

ops = sdpsettings('solver','cplex','verbose',1); 设置求解方法为调用 Cplex

如果用LINGO求解，是这样的：

%目标函数
min=2*x1+3*x2;
x1+x2>=350;
x1>=100;
%约束条件
2*x1+x2<=600;

如果用Matlab求解，需要调用函数，这里就不赘述。

可以看出其实无论LINGO还是Matlab+yalmip+cplex编程，都有一个非常好的优点就是：程序很清晰，目标函数约束条件再到求解的三块很明确。所以我一般求解线性优化使用LINGO，复杂优化问题常用Matlab+yalmip+cplex。而单纯Matlab求解优化问题一般都先需要转化为矩阵格式，然后调用函数求解，就相对比较麻烦。

欢迎关注我哦（公众号小易成长屋），分享更多数学数模，甚至科研的干货问题。