Optimization Toolbox
Résoudre des problèmes d'optimisation linéaire, quadratique, conique, en nombres entiers et non linéaire
Vous avez des questions ? Contactez l'équipe commerciale.
Vous avez des questions ? Contactez l'équipe commerciale.
Optimization Toolbox offre des outils permettant de minimiser ou maximiser des fonctions avec ou sans contraintes. La toolbox comprend des solveurs pour la programmation linéaire (LP), la programmation linéaire en nombres entiers mixtes (MILP), la programmation quadratique (QP), la programmation conique du second ordre (SOCP), la programmation non-linéaire (NLP), les moindres carrés linéaires sous contraintes, les moindres carrés non-linéaires et les équations non-linéaires.
Vous pouvez définir votre problème d'optimisation à l'aide de fonctions et de matrices, ou en spécifiant directement de façon symbolique des expressions mathématiques. Vous pouvez utiliser la différenciation automatique de fonctions objectif et de contrainte pour arriver à des solutions plus rapides et précises.
Vous pouvez utiliser les solveurs de la toolbox pour trouver des solutions optimales à des problèmes continus et discrets, effectuer des analyses de compromis et incorporer des méthodes d'optimisation dans les algorithmes et les applications. La toolbox vous permet de réaliser des tâches d'optimisation de design, comprenant l'estimation des paramètres, la sélection des composants et l'optimisation des paramètres. Elle vous permet de trouver des solutions optimales dans des applications comme l'optimisation de portefeuilles, la gestion et le trading de l'énergie, ainsi que la planification de la production.
Connecter des agents IA à Optimization Toolbox
Intégrez des capacités spécifiques à votre domaine, dans votre workflow d'IA agentique.
Commencez par la formation Optimization Onramp ou la tâche Optimize du Live Editor pour une pratique autonome et développez vos compétences fondamentales en optimisation dans MATLAB. Consultez des exemples de problèmes pour acquérir de nouvelles compétences et appliquer les bonnes pratiques.
Explorez des designs non conventionnels pour mieux atteindre vos objectifs de design. Optimization Explorer étend cette fonctionnalité pour permettre une exploration et une analyse multisolveur.
Utilisez les solveurs MILP d'Optimization Toolbox pour résoudre des problèmes d'allocation de ressources et de planification. Les exemples incluent l'équilibrage de charge du réseau électrique, l'optimisation des procédés de fabrication et l'ingénierie de mission.
Utilisez MATLAB Copilot ou des outils de codage agentiques connectés via MATLAB Agentic Toolkit et MATLAB MCP Server pour formuler des problèmes d'optimisation, évaluer les compromis et générer des workflows d'optimisation.
Utilisez l'approche basée sur les problèmes pour définir et résoudre des problèmes d'optimisation sous forme mathématique naturelle, sans avoir à spécifier le solveur à utiliser.
Utilisez l'approche basée sur les solveurs pour configurer l'un des solveurs d'optimisation supporté (voir la liste des solveurs). Utilisez l'application Optimization Explorer pour comparer les performances de différents solveurs et options de solveur pour votre problème.
Utilisez des modèles de substitution d'IA ou des modèles d'ordre réduit (ROM) avec Optimization Toolbox pour accélérer l'exploration du design dans les workflows CFD et FEA. Ces modèles préservent la fidélité de la simulation d'origine pour la validation finale.
Équilibrez plusieurs objectifs sous contraintes à l'aide des fonctions fgoalattain et fminimax. Pour accéder à d'autres solveurs de front de Pareto tels que paretosearch et gamultiobj, ajoutez Global Optimization Toolbox.
Développez des outils de design et d'aide à la décision basés sur l'optimisation, intégrez-les à des systèmes d'entreprise et déployez des algorithmes d'optimisation sur des systèmes embarqués.
« MATLAB nous a permis d'accélérer notre R&D et notre déploiement grâce à la robustesse de ses algorithmes numériques, à ses outils exhaustifs de visualisation et d'analyse, à ses routines d'optimisation fiables, au support de la programmation orientée objet et à la possibilité d'exécuter nos applications Java de production dans le cloud. »
Optimization Toolbox est un produit MATLAB qui fournit des fonctions permettant de trouver des paramètres qui minimisent ou maximisent des objectifs tout en respectant des contraintes.
Optimization Toolbox inclut des solveurs pour la programmation linéaire (LP), la programmation linéaire en nombres entiers mixtes (MILP), la programmation quadratique (QP), la programmation conique du second ordre (SOCP), la programmation non linéaire (NLP), les moindres carrés linéaires contraints, les moindres carrés non linéaires et les équations non linéaires.
Vous pouvez définir des problèmes en utilisant des expressions de variables qui reflètent les mathématiques sous-jacentes (approche basée sur le problème) ou avec des fonctions et des matrices (approche basée sur le solveur).
La différentiation automatique des objectifs et de contrainte permet d'obtenir des solutions aux problèmes d'optimisation plus rapides et plus précises.
La boîte à outils permet l'optimisation de portefeuille, la gestion et le trading d'énergie, la planification de la production, l'estimation de paramètres, la sélection de composants et le réglage de paramètres.
Oui. Vous pouvez créer des outils d'aide à la décision et de conception basés sur l'optimisation, les intégrer aux systèmes d'entreprise et déployer des algorithmes d'optimisation sur des systèmes embarqués.
Oui, Optimization Toolbox peut résoudre des problèmes d'optimisation comportant plusieurs fonctions objectives soumises à un ensemble de contraintes.
Découvrez nos produits.
Découvrez les tarifs et les produits.
Votre établissement propose peut-être déjà un accès à MATLAB, Simulink et d'autres produits complémentaires via la licence Campus-Wide.