YALMIP MATLAB 优化建模工具箱使用指南

YALMIP 是一个用于 MATLAB 的优化建模工具箱，旨在简化优化问题的建模和求解过程。它支持多种优化问题类型，包括线性规划、二次规划、半定规划等，并且可以与多种求解器无缝集成。

项目安装与配置

安装步骤

1. 下载项目 从 GitCode 仓库克隆项目：

git clone https://gitcode.com/gh_mirrors/ya/YALMIP.git

2. 添加 MATLAB 路径 将 YALMIP 文件夹添加到 MATLAB 搜索路径中：

addpath('path_to_yalmip');
addpath('path_to_yalmip/extras');
addpath('path_to_yalmip/solvers');
addpath('path_to_yalmip/modules');
addpath('path_to_yalmip/operators');

3. 验证安装 运行测试脚本确认安装成功：

yalmiptest

核心功能特性

变量定义

YALMIP 提供了多种变量类型定义：

• sdpvar: 连续变量
• intvar: 整数变量
• binvar: 二进制变量

优化问题建模

支持多种优化问题类型：

• 线性规划 (LP)
• 二次规划 (QP)
• 半定规划 (SDP)
• 混合整数规划 (MIP)

求解器集成

支持多种主流求解器：

• Gurobi
• CPLEX
• Mosek
• MATLAB Optimization Toolbox

基础使用示例

线性规划问题

% 定义决策变量
x = sdpvar(2, 1);

% 定义目标函数
objective = -x(1) - 2*x(2);

% 定义约束条件
constraints = [x(1) + x(2) <= 1, x(1) >= 0, x(2) >= 0];

% 求解器设置
options = sdpsettings('solver', 'gurobi');

% 求解优化问题
optimize(constraints, objective, options);

% 获取最优解
solution = value(x);
disp('最优解:');
disp(solution);

混合整数规划示例

% 定义整数变量
x = intvar(3, 1);

% 目标函数：最大化收益
objective = 5*x(1) + 3*x(2) + 2*x(3);

% 资源约束
constraints = [2*x(1) + x(2) + 3*x(3) <= 10, x >= 0];

% 使用 CPLEX 求解器
options = sdpsettings('solver', 'cplex');

% 求解问题
optimize(constraints, objective, options);

% 显示结果
disp('资源分配方案:');
disp(value(x));

高级功能应用

半定规划 (SDP)

% 定义半定变量
X = sdpvar(3, 3);

% 半定约束
constraints = [X >= 0];

% 目标函数
objective = trace(X);

% 求解半定规划
optimize(constraints, objective);

鲁棒优化

% 定义不确定参数
u = sdpvar(1);
w = sdpvar(1);

% 鲁棒约束
constraints = [uncertain([u;w]), norm([u;w]) <= 1];

% 鲁棒优化目标
objective = max(norm([x(1)+u; x(2)+w]));

optimize(constraints, objective);

项目目录结构

YALMIP/
├── @sdpvar/          # SDP 变量类方法
├── demos/            # 演示案例
├── extras/           # 扩展功能
├── modules/          # 功能模块
│   ├── bilevel/      # 双层优化
│   ├── global/       # 全局优化
│   ├── moment/       # 矩优化
│   ├── parametric/   # 参数优化
│   ├── robust/       # 鲁棒优化
│   └── sos/          # 平方和优化
├── operators/        # 运算符实现
└── solvers/          # 求解器接口

最佳实践建议

1. 选择合适的求解器 根据问题类型选择最合适的求解器，对于大规模问题推荐使用 Gurobi 或 CPLEX。

2. 模型预处理 使用 YALMIP 的预处理功能简化模型：

options = sdpsettings('solver', 'gurobi', 'verbose', 1);

3. 结果验证 总是验证求解结果的可行性：

check(constraints);

4. 性能优化 对于大规模问题，使用稀疏矩阵和向量化操作提高效率。

常见问题解决

安装问题

• 确保所有路径正确添加到 MATLAB
• 运行 yalmiptest 检查安装完整性

求解器配置

• 确认求解器已正确安装并配置
• 检查许可证有效性

模型构建

• 使用 disp 和 check 函数调试模型
• 验证约束条件的数学正确性

YALMIP 提供了强大而灵活的优化建模环境，通过合理的配置和使用，可以高效解决各种复杂的优化问题。