YALMIP安裝與使用整理

安裝

1.下載後的檔案壓縮包解壓後如下:
YALMIP-master
2.將其剪下至matlab常用工具包的根目錄途徑，（我的matlabR2020a）：C:\Program Files\Polyspace\R2020a\toolbox\YALMIP-master

3.在matlab軟體中新增路徑：–主頁\設定路徑

直接選擇新增幷包含子資料夾

直接貼上安裝的路徑

C:\Program Files\Polyspace\R2020a\toolbox\YALMIP-master

 

4.點選儲存！！！

ps:如果matlab安裝位置不同記得選擇好自己安裝matlab的正確位置喲！

5.測試安裝是否成功.

在matlab執行視窗輸入‘yalmiptest’命令或者‘which sdpvar’

也可以採用官網所說的安裝方式。但是也得注意解壓的位置！

Yalmip使用

1. 建立決策變數：

　　>> x = sdpvar(m, n [, option])：建立m*n的連續型決策變數矩陣，option是對矩陣的一些引數指定。

　　相應的，如果要建立整型或二值型決策變數，matlab語句分別為：　　

　　>> x = intvar(m, n, [option])

　　>> x = binvar(m, n, [option])

2. 新增約束：

　　>> F = set(constraint [, tag])：建立一個以constraint指定的約束，可選引數tag可以給該約束指定一個字串標記。重要的是constraint的表達也非常簡單，例如如果有 x1 + x2 + x3 <= 3 的約束，直接寫：

　　>> x = sdpvar(3, 1);

　　>> F = set(x(1) + x(2) + x(3) <= 3, 'cost bound1');

　　如果要繼續新增約束也非常簡單，支援用+直接相連：

　　>> F = F + set(constraint1 [, tag1]);

　　>> F = F + set(constraint2 [, tag2]);……

　　例如，如果繼續限制 x 只能取[0, 1]之間的值，則：

　　>> F = F + set(0 <= x <= 1, ‘upper and lower bound’);

　　一句話就搞定了，是不是非常簡單。！

3. 引數配置

　　這個比較簡單，語句如下：

　　>> ops = sdpsettings(option1, value1, option2, value2, ……)

　　例如語句

　　>> ops = sdpsettings('solver', 'lpsolve', 'verbose', 2);

　　'solver' 引數指定程式用lpsolve求解器（如果已經安裝，否則會報錯），如果不指定 ‘solver’ 引數，他會根據決策變數型別自動挑選已安裝的、最適合的求解器；'verbose' 指定顯示冗餘度（冗餘度越大，你就可以看到越詳細的求解過程資訊）。

4. 求解

　　這個也只有一句話：

　　>> result = solvesdp(F, f, ops) 求解一個數學規劃（最小化）問題，該問題的目標函式由 f 指定，約束由 F 指定，ops指定求解引數，最後的結果儲存在result結構體中。

還是以前面那個問題作為例子，如果用yalmip的話，只需要如下簡單幾句：

　　>> 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，只需要將以上的‘solver’引數的‘lpsolve’改成‘cplex’，其他任何地方都不需要做改動。

　　除此以外，yalmip還支援幾乎所有其他的求解演算法，在matlab下輸入yalmiptest命令可以得到所有支援的演算法以及它們的安裝狀態