补充：优化问题的求解.pptVIP

第7章 优化问题 7.1 线性规划 7.2 有约束的一元函数的最小值 7.3 无约束的多元函数最小值 7.4 有约束的多元函数最小值 7.5 二次规划问题 7.6 极小化极大问题 7.1 线性规划 线性规划问题是目标函数和约束条件均为线性函数的问题。 形如： min fx Ax b Aeq x=beq lbxub 其中：f,b,beq,lb,ub,x为向量，A,Aeq为矩阵。 格式：x=linprog(f,A,b,Aeq,beq,lb,ub) [例7.1]求解线性规划： 程序如下： f=[-5; -4; -6]; A=[1 -1 1;3 2 4;3 2 0]; b=[20 42 30]; lb=zeros(3,1); x=linprog(f,A,b,[],[],lb,[]) fval=f*x 7.2 有约束的一元函数的 最小值 [例7.2] 求函数 在区间 （0，1）内的最小值； fun=inline((x^3+cos(x)+x*log(x))/exp(x)); x=fminbnd(fun,0,1) fval=fun(x) 7.3 无约束多元函数最小值 [例7.3] 求 的最小值； fun=inline(2*x(1)^3+4*x(1)*x(2)^3-10*x(1)*x(2)+x(2)^2); x=fminsearch(fun,[0,0]) y=fun(x) 7.4 有约束的多元函数的最小值 [例7.4] 求下面问题在初始点（0，1）处的最优解。 funf=f=x(1)^2+x(2)^2-x(1)*x(2)-2*x(1)-5*x(2);; function [c,ceq]=mycon(x) c=[(x(1)-1)^2-x(2);-2*x(1)+3*x(2)-6]; ceq=[]; [x, options]=fmincon(funf,[0,1],[],[],[],[],[],[],@mycon) 7.5 二次规划问题 [例7.5]求解下面二次规划问题 H=[1 -1;-1 2]; f=[-2;-6]; A=[1 1;-1 2;2 1]; b=[2;2;3]; lb=zeros(2,1); [x,fval]=quadprog(H,f,A,b,[],[],lb) 7.6 极小化极大问题 [例7.6]求下列函数的最大值最小化问题 首先建立目标函数文件： function f=myfun(x) f(1)=2*x(1)^2+x(2)^2-48*x(1)-40*x(2)+304; f(2)=-x(1)^2-3*x(2)^2; f(3)=x(1)+3*x(2)-18; f(4)=-x(1)-x(2); f(5)=x(1)+x(2)-8; 在命令窗口中输入： x0=[0.1,0.1]; [x,fval]=fminimax(myfun,x0) * 格式为： [x,fval]=fminbnd(fun,x1,x2) 其中fval为目标函数的最小值。 单变量函数求最小值的 标准形式为： 无约束多元函数最小值的形式为： 调用格式为： [x,fval]=fminsearch(fun,x0)，其中x0为初始点。 有约束多元函数的最小值问题的标准形式为： 调用格式为： x=constr(fun,x0,lb,ub) x=fmincon(f,x0,A,b,Aeq,beq,lb,ub,nonlcon)%如果存在线性等式或不等式约束的话 二次规划问题的标准形式为： 调用格式为：x=quadprog(H,f,A,b,Aeq,Beq,lb,ub,x0)， 如果其中某些约束不存在，以“[]”赋值 极小化极大问题（Minmax）的标准形式为： 调用格式为： [x,fval]=fminimax(f,x0,A,b,Aeq