sdpvar：使用方法为sdpvar(name, dimension)，其中name为变量名，dimension为变量的维度。例如，定义一个3x3的实数矩阵变量x，可以写成：x = sdpvar(‘x’, 3, 3)。

optimize：使用方法为optimize(constraints, objective, settings)，其中constraints为约束条件，objective为优化目标函数，settings为YALMIP参数设置。例如，求解线性规划问题minimize c’x，subject to Ax = 0，可以写成：optimize([A*x = 0], c’*x)。

constraints：使用方法为constraint(expression, operator, value)，其中expression为约束条件表达式，operator为约束条件类型（=），value为约束条件的值。例如，定义一个等式约束条件x + y == 1，可以写成：constraint(x + y == 1)。

objective：使用方法为objective(expression, type)，其中expression为目标函数表达式，type为目标函数类型（minimize或maximize）。例如，定义一个二次型目标函数f(x) = x’Qx + c’*x，可以写成：objective(x’Qx + c’*x, ‘minimize’)。

value：使用方法为value(variable)，其中variable为变量名。例如，求解后获取变量x的值，可以写成：x_value = value(x)。

display：使用方法为display(expression)，其中expression为输出表达式。例如，输出约束条件Ax = 0, y >= 0]; % 定义等式约束 3. optimize：求解最优解 optimize(F, objective); % F为约束条件，objective为目标函数 4. value：输出最优解 value(x); value(y); % 输出变量x和y的最优解 下面是一个简单的例子： % 定义变量 x = sdpvar(1); y = sdpvar(1); % 设置约束条件和目标函数 F = [x + y = 0, y >= 0]; objective = -x - 2*y; % 求解最优解 optimize(F,objective); % 输出最优解 value(x) value(y) value(objective)

该例子求解的是一个线性规划问题，变量x和y满足不等式约束，目标是最大化目标函数-f(x,y)=-(x+2y)。

其中，optimize(F, objective)函数求解最优解，value(x)和value(y)函数分别输出x和y的最优解，value(objective)函数输出目标函数的最优解。

另外，YALMIP还提供了很多其他的函数，例如：