mat工具箱应用.pptVIP

* MATLAB优化工具箱函数 类型 模型 基本函数名 一元函数极小值 Min f(x) s.t. x1x x2　 x=fminbnd(fun,x1,x2) 无约束极小值　 　min f(x) 　 x=fminsearch(fun,x1,x2) x=fminunc(fun,x1,x2) 线性规划 　Min cTx s.t. Ax ≤b　 x=linprog(c,A,b) 　 　约束极小值 （非线性规划） 　Min f(x) s.t. cx≤0　 x=fmincond(fun,x0) 　 * 一元函数极小值 函数fminbnd 算法基于黄金分割法和二次插值法， 其目标函数必须是连续函数，并只能给出局部最优解。 [x,fval] =fminbnd(fun,x1,x2,options) 若极值点是区间的端点的话，收敛速度比较慢。 * 例题1 求函数：f(x)=e-x^2(x+sinx)在区间【-10，10】上最小值 》[x,fval]=fminbnd(‘exp(-x^2)*(x+sin(x))’,-10,10) 结果为： X=-0.6796 Fval=-0.8243 例题2 》[x,fval]=fminbnd(‘x^4-x^2+x-1 ’,-2,1 ) 结果为： 求函数：f(x)=x4-x2+x-1在区间【-2，1 】上最小值 X= -0.8846 Fval= -2.0548 * 无约束多维极小值 函数fminsearch 算单纯形搜索法，由于不需要计算梯度，运算速度很快，常见函数都能立即求出最小值。 [x,fval] =fminsearch(fun,x0,options) [x,fval] =fminunc(fun,x0,options) 函数fminunc 根据输入自动选择合适的算法。 函数阶数大于2时，使用fminunc更有效，但当函数不连续时，使用fminsearch效果好 * 例题1 求函数：f(x)=x1+1/x1+x2+1/x2,【2，3】上的 最小值 》 [x,fval]=fminsearch(fx,[2,3]) 结果为： X= 1.0000 1.0000 Fval= 4.0000 》fx=‘x(1)+1/x(1)+x(2)+1/x(2)’; %建立函数 例题2 求函数：f(x)=3x12+2x1 x2+ x22 的 最小值 》x0=[1,1]; 》[x,fval]=fminunc(‘3*x(1)^2+2*x(1)*x(2) +x(2)^2‘,x0) 结果为： X= 1.0e-008 * -0.7512 0.2479 Fval= 1. 3816e-016 * 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，MATLAB解决的线性规划问题的标准形式为： x = linprog(f,A,b,Aeq,beq,lb,ub) %指定x的范围，若没有等式约束 ，则Aeq=[ ]，beq=[ ] [x,fval] = linprog(…) % 返回目标函数最优值，即fval= f *x。 * 例题 求下面的优化问题 结果为： x = %最优解 0.0000 15.0000 3.0000 fval = %最优值 -78.0000 min sub.to 解： f = [-5； -4； -6]; A = [1 -1 1;3 2 4;3 2 0]; b = [20; 42; 30]; lb = zeros(3,1); [x,fval] = linprog(f,A,b,[],[],lb) lb = [0, 0, 0]; x = linprog(f,A,b,Aeq,beq,lb,ub) %若没有等式约束 ，则Aeq=[ ]，beq=[ ] [x,fval] = linprog(…) * 约束极小（非线性规划） [x,fval]=fmincon(f,x0,A,b,Aeq,beq,lb,ub,nonlcon) 用于非线性不等式和等式 目标函数的非线性约束条件 * 例题 min 建立 confun.m 文档 function [c,ceq]=confun(x) c=9-x(1)^2-x(2)^2 ceq =[] [x,fval]=fmincon(f,x0,A,b,Aeq,beq,lb,ub,nonlcon) [x,fval]= fmincon(f,[1,2