Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

varindex

ソルバーベースの変数インデックスへの問題変数のマッピング

説明

idx = varindex(prob) は、問題変数の線形インデックスを構造体または整数ベクトルとして返します。prob2struct を使用して prob を問題構造体に変換すると、idx は結果として得られる問題構造体に変数インデックスを指定します。この問題構造体は prob の変数に対応します。

idx = varindex(prob,varname) は、varname の要素の線形インデックスを返します。

すべて折りたたむ

最適化問題を作成します。

x = optimvar('x',3);
y = optimvar('y',3,3);
prob = optimproblem('Objective',x'*y*x);

問題を構造体に変換します。

problem = prob2struct(prob);

すべての prob 変数の problem で線形インデックスを取得します。

idx = varindex(prob);
disp(idx.x)
     1     2     3
disp(idx.y)
     4     5     6     7     8     9    10    11    12

y インデックスのみを取得します。

idxy = varindex(prob,'y')
idxy = 1×9

     4     5     6     7     8     9    10    11    12

この例は、問題ベースのアプローチまたはソルバーベースのアプローチを使用して同じ情報の大部分を取得する方法を示します。まず、問題を作成し、問題ベースのアプローチを使用して解きます。

x = optimvar('x',3,1,'LowerBound',1,'UpperBound',1);
y = optimvar('y',3,3,'LowerBound',-1,'UpperBound',1);
prob = optimproblem('Objective',x'*y*x + [2 3 4]*x);
rng default
x0.x = rand(3, 1);
x0.y = rand(3, 3);
[solp,fvalp,exitflagp,outputp] = solve(prob,x0);
Solving problem using fmincon.

Local minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in 
feasible directions, to within the value of the optimality tolerance,
and constraints are satisfied to within the value of the constraint tolerance.

次に、prob2struct を使用してこの問題をソルバーベース形式に変換します。fmincon ソルバーが問題で自動勾配を使用するようにするには、SpecifyObjectiveGradient オプションを true に設定します。

solverprob = prob2struct(prob,x0);
solverprob.options = optimoptions(solverprob.options,"SpecifyObjectiveGradient",true);

fmincon を使用して、問題を解きます。

[sols,fvals,exitflags,outputs] = fmincon(solverprob);
Local minimum found that satisfies the constraints.

Optimization completed because the objective function is non-decreasing in 
feasible directions, to within the value of the optimality tolerance,
and constraints are satisfied to within the value of the constraint tolerance.

fmincon の解を、solve によって返された構造体形式に変換するには、varindex を使用して適切な構造体を作成します。

idx = varindex(prob);
sol.x = sols(idx.x);
sol.y = sols(idx.y);

varindex が使用する y インデックスは線形インデックスです。サイズが x0.y になるように変数 sol.y を形状変更します。

sol.y = reshape(sol.y,size(x0.y));

2 つの解の構造体が完全に一致しているか確認します。

isequal(sol,solp)
ans = logical
   1

2 つのアプローチが完全に同等ではないのは、fminconsolve とは違い、ラグランジュ乗数などの引数を多く返せるからです。

入力引数

すべて折りたたむ

最適化問題または方程式問題。OptimizationProblem オブジェクトまたは EquationProblem オブジェクトとして指定します。最適化問題は optimproblem を使用して作成し、方程式問題は eqnproblem を使用して作成します。

警告

問題ベースのアプローチでは、目的関数、非線形等式、または非線形不等式における複素数値をサポートしていません。関数の計算に複素数値が含まれていると、それが中間値としてであっても、最終結果が不正確になる場合があります。

例: prob = optimproblem; prob.Objective = obj; prob.Constraints.cons1 = cons1;

例: prob = eqnproblem; prob.Equations = eqs;

変数名。文字ベクトルまたは string として指定します。

例: 'x'

データ型: char | string

出力引数

すべて折りたたむ

問題変数の線形インデックス。構造体または整数ベクトルとして返されます。prob2struct を使用して prob を問題構造体に変換すると、idx は結果として得られる問題構造体に変数インデックスを指定します。この問題構造体は prob の変数に対応します。

  • idx = varindex(prob) を呼び出す場合、返される idx は構造体です。構造体のフィールド名は prob の変数名です。各フィールドの値は、関連付けられたソルバーベースの問題変数で変数によるマッピングが行われる線形インデックスの整数ベクトルです。

  • idx = varindex(prob,varname) を呼び出す場合、返される idx は、関連付けられたソルバーベースの問題変数で変数 varname によるマッピングが行われる線形インデックスのベクトルです。

詳細は、問題インデックスの取得を参照してください。

R2019a で導入