YALMIP学习总结

 常用命令

*sdpvar：SDP变量(YALMIP变量)
    *sdpsettings:SDP设置（YALMIP设置）
     如:assign(x,[1 23]);assign(y,[4 5 6]);
        slovesdp(F,obj,sdpsettings('slover','mosek','usex0',1));%用mosek求解，使用初始解x=[12 3]
    * solvesdp：求解命令(另外,solvemp,solvemoment,slovesos)
monolist:产生不超过一定阶数的多项式，在SDP Relaxation中很有用
polynomial:产生多项式
plot:画图，尤其是画可行域时很方便
sdisplay:sysbolic display 显示符号化的式子，如多项式、单项式
sparse：产生稀疏矩阵
blkvar: 分块矩阵变量类型
blkdiag：分块对角矩阵
binvar: 二值变量
intvar: 整数变量
uncertain: 声明不确定变量(参数)，在鲁棒优化中有用
assign:赋值
coefficients:得到表达式的系数、base等信息
double：抽取变量的值
is:测试变量或约束的属性;ismemeber(x,Y):约束x是Y中的一个元素
linerize: 线性化(tylor)
jacobian: jacobian矩阵
hessian: hession矩阵
sparse: 产生稀疏矩阵
entropy: -sum(x.*log(x)) geomean:几何均值形式 logdet：logdet形式logistic：1./(1+exp(-x)) logsumexp：log(sum(exp(x)))
nnz: number of non-zeros
binary:声明变量是binary，类似binvar；integer:声明变量是integer，类似intvar
checkset:检查约束条件被满足的情况
cone: 产生一个(二阶)锥（约束）
cut: 产生用户自定义的cut,与普通约束的区别在于：分支定界中不用于计算upperbound,仅用于改善relaxation。
dilate(扩张):在Robust SDP中应用广泛，在YALMIP的Robust SDPframework中，要求SDP约束对uncertain变量要仿射依赖，但很多时候，这种

依赖关系可能不是如此简单，而是多项式依赖，最近发展的处理技巧是matrixdilations，把多项式依赖化为仿射依赖，代价是增大了SDP本身

的规模和带来更大的保守程度。dilate可以把这种多项式依赖扩张为放射依赖。详见YALMIP Wiki
dual:抽取约束对应的对偶变量的值 dualize:得到对偶模型
hull:得到一组约束的凸包
rank(x):x的秩
robustify:产生鲁棒对等式
set: 可用于产生一个/组约束，现在多用[,]更方便地使用。
sos:声明一个多项式是sos(约束)
sosd: sos decomposition
export:把模型输出为某个求解器能够使用的形式，同时可以通过输出参数来管理YALMIP与external解在表示上不一致的问题
       ops = sdpsettings('solver','sedumi','remove',1);
       [model,recoverymodel] = export([F, trace(P)==10],obj,ops);
       [x,y] = sedumi(model.A,model.b,model.C,model.K);
       z = recoverymodel.x_equ + recoverymodel.H*y;
       assign(recover(recoverymodel.used_variables),z);
saveampl:把YALMIP模型输出为AMPL模型并保存到文件上
savesdpafile:把YALMIP模型输出为SDPA模型并保存到文件上
yalmip('clear'),yalmip('version'), yalmip('info'):清楚YALMIP内部对象清除；显示YALMIP版本信息；显示YALMIP更多信息
yalmipdemo:运行yalmip的一些示例
yalmiptest:测试yalmip目前可用状态
yalmiperror:显示yalmip各个错误码对应的错误信息，也可以单独指定一个错误码
clean:清除数值上不重要的项，如把10^(-7)等作为0清楚掉