优化中如何比较gams与matlab

是否可以使用Matlab代替GAMS来解决优化问题？他们如何比较？换句话说，用gams解决的每一个问题都可以用一些matlab工具箱来解决吗？最后，什么是matlab中的优化工具列表。

matlab和gams在建模方法上有很大的不同。GAMS是按照方程的概念组织的（本质上，优化模型是方程的集合）。这适用于LP、MIP、MINLP和其他类型的模型。这些方程式在很大程度上类似于你在数学中写东西的方式。Matlab将优化模型（LP/MIP）视为一个矩阵（或两个矩阵，取决于我们处理的是等式还是不等式）。您必须通过填充来转换这一两个矩阵中的约束。根据型号，这可能是一项困难的任务。对于结构化模型来说，这并不糟糕，但对于大型复杂模型，GAMS方法更自然、更方便

GAMS中的NLP问题就像LPs：基于方程。GAMS使用自动微分，因此无需编写梯度，GAMS针对大规模NLP问题。Matlab在NLP解算器中使用函数，这些函数主要适用于较小的问题。渐变由用户提供

GAMS支持许多解算器。MATLAB有一个优化工具箱，但这些解算器主要针对中小型模型。尽管如此，许多最先进的解算器都有Matlab接口（例如Cplex、Gurobi）

---

并非所有在GAMS下可用的解算器都可以直接从Matlab调用，但许多解算器（有时使用外部工具箱）。

每个问题都可以在Matlab中解决矩阵格式的每个问题吗。i、 约束非凸整数规划？如果你想得到全局解，这些问题通常很小。GAMS支持优秀的全局解算器，如Baron、Antigone和Couenne。Matlab全局工具箱面向无法证明最优性的启发式方法。这些方法不使用矩阵格式。在我的情况下，这不是一个小问题，我不知道如何验证它是否收敛到全局解或局部解，然后找到最优解可能是不可能的。因此，不需要严格的方法，可以尝试局部MINLP解算器或一些启发式方法。在大多数情况下，我也无法验证一个解决方案是否是全局最优的。我依靠解决者来告诉我。验证一个解决方案是否是全局解决方案与解决它一样困难。