工程计算MATLAB优化设计方法函数无约束最优化.pptVIP

第5讲 辅助优化设计（一） 目录 5.1 Matlab求解优化问题的方法及函数 5.2 无约束最优化问题 概述 概述 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.1 优化函数 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2 无约束最优化问题 5.2.3 无约束非线性规划问题 无约束最优化问题在实际应用中也比较常见，如工程中常见的参数反演问题。另外，许多有约束最优化问题可以转化为无约束最优化问题进行求解。 1. 基本数学原理 方法：直接搜索法( Direct search method) 梯度法 (Gradient method) 5.2.3 无约束非线性规划问题 （1）直接搜索法 1. 基本数学原理 直接搜索法适用于目标函数高度非线性，没有导数或导数很难计算的情况。由于实际工作中很多问题都是非线性的，故直接搜索法不失为一种有效的解决办法。常用的直接搜索法为单纯形法，此外还有Hook-Jeeves 搜索法、PaveII共轭方向法等，其缺点是收敛速度慢。 5.2.3 无约束非线性规划问题 （2）梯度法 1. 基本数学原理 在函数的导数可求的情况下，梯度法是一种更优的方法。 常见的梯度法有最速下降法、Newton法、Marquart法、共轭梯度法和拟牛顿法（Quasi-Newton method）等。 在所有这些方法中，用的最多的是拟牛顿法 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 功能：求多变量无约束函数的最小值。 模型： 式中，x为一向量，f(x)为一函数，返回标量。 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 格式： x = fminunc(fun,x0) 给定初值x0，求fun函数的局部极小点x。x0可以是标量、向量或矩阵。 x = fminunc(fun,x0,options) 用options参数中指定的优化参数进行最小化。 x = fminunc(fun,x0,options,P1,P2,...) 将问题参数p1、p2等直接输给目标函数fun，将options参数设置为空矩阵，作为options参数的缺省值。 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 格式： [x,fval] = fminunc(...) 将解x处目标函数的值返回到fval参数中。 [x,fval,exitflag] = fminunc(...) 返回exitflag值，描述函数的输出条件。 [x,fval,exitflag,output] = fminunc(...) 返回包含优化信息的结构输出。 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 格式： [x,fval,exitflag,output,grad] = fminunc(...) 将解x处fun函数的梯度值返回到grad参数中。 [x,fval,exitflag,output,grad,hessian] = fminunc(...) 将解x处目标函数的Hessian矩阵信息返回到hessian参数中。 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 参数： 5.2.3 无约束非线性规划问题 （1）fminunc 2. 函数 说明：对规模不同的优化问题，fminunc函数使用不同的优化算法。 大型优化算法 若用户在fun 函数中提供梯度信息，则默认时函数将选择大型优化算法。该算法是基于内部映射牛顿的子空间置信域法。计算中的每一次迭代都涉及到用PCG法求解大型线性系统得到的近似解。 5.2.3 无约束非线性规划问题