计算机仿真技术第六章控制系统参数优化及仿真.pptVIP

6.6 函数寻优 下面给处理用梯度法计算最优函数的一个例子。 例 6.6.1 系统状态 目标函数 求最优输入 。 解：问题的哈密顿函数为 协态方程为 6.6 函数寻优 梯度 控制量 如果选定初始控制量 ,根据以上公式，按照前面讲的步骤科与很方便的得到用梯度法求解最优控制的解。 二、计算最优控制的共轭梯度法 共轭梯度法用以求解最优控制问题较为有效。在收敛速度方面比最速下降法快，并且具有最速下降法的优点，如：程序简单，容易实现，计算可靠性好. 6.6 函数寻优 共轭梯度法的计算步骤如下： (1) 给定初始控制函数向量 ,置 ； (2) 将 代入状态方程，在区间 求解 ； (3) 根据(6.6.2)式，计算目标函数 ； (4) 由 到 反向积分伴随方程(6.6.4)式，求 ； (5) 计算哈密顿函数的梯度 ； (6) 如果 ,则停机，否则继续； 6.6 函数寻优 (7) 计算共轭系数 (8) 寻优方向为 (9) 一维寻优，求最佳步长 ,使 (10) 计算控制函数 ,置 , 转回(2)。 6.7 Matlab优化工具箱 6.7.1 Matlab优化工具箱概述 Matlab优化工具箱(Optimization Toolbox)涉及函数的最小或最大问题，也就是函数的极值问题。Matlab的优化工具箱由一些对普通非线性函数求解最小化或最大化极值的函数和解决诸如线性规划等标准矩阵问题的函数组成。 6.7 Matlab优化工具箱 Matlab的优化工具箱（Optimization Toolbox）的主要功能有： ? 求解线性规划和二次规划； ? 求函数的最大值和最小值； ? 非线性函数的最小二乘； ? 多目标优化； ? 约束条件下的优化； ? 求解非线性方程。 6.7 Matlab优化工具箱 优化工具箱的专有函数有11个，其功能和语法如表6.7.1所示。 功能 数学含义 语法 求解线性规划 X=lp(f,A,b) 求解二次规划 X=qp(H,c,A,b) 求非负最小二乘解 X=nnls(A,b) 求解无约束一元函数极小问题 X=fmin(‘f’,x) 6.7 Matlab优化工具箱 求解无约束非线性规划 X=fminu(‘f’,X) 求解约束非线性规划 X=constr(‘fg’,x) 求解目标规划 X=attgoal(‘f’,x,goal,W) 求解最小最大问题 X=minimax(‘fg’,x) 求非线性最小二乘解 X=leastsq(‘f’,x) 求非线性方程 X=fsolvex(‘f’,x) 求解半无穷条件下的非线性规划 X=seminf(‘ft’,n,x) 6.7 Matlab优化工具箱 利用优化工具箱进行极值运算时，可以自由选择算法和搜索策略。非限定最小问题的原理算法是Nelder-Mead单纯形搜索方法和BFGS拟牛顿(quasi-Newton)方法；限定条件下的最小、最小最大、目标法和半无穷优化等问题，所用的原理算法是二次规划法；非线性二次平方问题的原理算法是Gauss-Newton法和Levenberg-Marquardt法；非线性最小和非线性二次平方问题可以进行线性搜索策略的选择，线性搜索策略使用的是三次或四次内插和外插方法。 6.7 Matlab优化工具箱 Matlab优化工具箱还能进行线性和非线性方程的求解，其功能和语法如表6.7.2所示。 ， ， 功能 数学含义 语法 线性方程 ， 是一个向量 单变量非线性方程 x = fzero(@myfun,x0) 非线性方程 ， 是一个向量 x = fsolve(@myfun,x0) 6.7 Matlab优化工具箱 Matlab优化工具箱还能进行最小二乘曲线拟合的求解，其功能和语法如表6.7.3所示。 ， 条件是 功能 数学含义 语法 线性最小二乘 非负线性最小二乘 x = lsqnonneg(C,d,x0) 带约束的线性最小二乘 x =lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0) 6.7 Matlab优化工具箱 非线性最小二乘 x = lsqnonlin(fun,x0,lb,ub) 非线性曲线拟合 x = lsqcurvefit(fun,x0, xdata,y