Matlab优化工具箱函数简介..docVIP

Matlab优化工具箱函数简介 一维搜索问题 fminbnd 无约束极小值 fminunc, fminsearch 约束极小值 fmincon 线性规划 linprog 二次规划 quadprog 一维搜索问题 优化工具箱函数 fminbnd 对应问题： min f(x) x1xx2 调用格式 x= fminbnd(fun,x1,x2)：得到函数fun在区间[x1,x2]内取得最小值的x. [x,f]= fminbnd(fun,x1,x2): 得到最优点x和最优目标函数值f。 例：求minf(x)= -(3-2*x)^2*x 方法1：x=fminbnd(-(3-2*x)^2*x,0,1.5) 方法2：f=inline(-(3-2*x)^2*x); x=fminbnd(f,0,1.5) 方法3: x = fminbnd(@(x) -(3-2*x)^2*x,0,1.5) 方法4：先形成一个函数文件 function f=fun(x) f=-(3-2*x)^2*x; 然后运行下两句中的任一句 x=fminbnd(fun,0,1.5) x=fminbnd(@fun,0,1.5) 若需输出最优点处的目标函数值f，则将上述语句的左边改为[x,f]，如： [x,f]=fminbnd( -(3-2*x)^2*x,0,1.5) 其它用法： [X,fval,exitflag,output]= fminbnd(fun,x1,x2) 其中：fun为目标函数，x1，x2为变量的边界约束，即x1≤x≤x2，X为返回的满足fun取得最小值的x的值，而fval则为此时的目标函数值。exitflag0表示计算收敛，exitflag=0表示超过了最大的迭代次数，exitflag0表示计算不收敛，返回值output有3个分量，其中iterations是优化过程中迭代次数，funcCount是代入函数值的次数，algorithm是优化所采用的算法。 例： clear fun=(x^5+x^3+x^2-1)/(exp(x^2)+sin(-x)) ezplot(fun,[-2,2]) [X,fval,exitflag,output]= fminbnd(fun,-2,2) 结果为： X = 0.2176 fval =-1.1312 exitflag = 1 output = iterations: 13 funcCount: 13 algorithm: golden section search, parabolic interpolation 无约束极小值 优化工具箱函数 fminunc, fminsearch 以上两个函数均可求解无约束多元函数的最小值。 调用格式： x=fminunc(fun,X0) x=fminsearch(fun,X0) --------------以X0为初始迭代点，求使函数fun取得最小值的x [x,fval]= fminunc(fun,X0) [x,fval]= fminsearch(fun,X0) --------------以X0为初始迭代点，求得最优点x和最优值fval。 fminsearch()采用单纯形法进行计算，适合处理阶次低但是间断点多的函数； fminunc()对于高阶连续的函数比较有效,该函数可以输出海塞矩阵。 例1：求 X0=[1,1]’ [x,fval]=fminunc(3*x(1)^2+2*x(1)*x(2)+x(2)^2,X0) [x,fval]=fminsearch(3*x(1)^2+2*x(1)*x(2)+x(2)^2,[1,1]) 例2： clear fun=exp(x(1))*(2*x(1)^2+3*x(2)^2+2*x(1)*x(2)+3*x(2)+1); x0=[0,0]; options=optimset(largescale,off,display,iter,tolx,1e-8,tolfun,1e-8); [x,fval,exitflag,output,grad,hessian]=fminunc(fun,x0,options) 约束极小值 优化工具箱函数 fmincon 对应数学模型： min F(X) subject to: A*X = B, Aeq*X = Beq (linear constraints) C(X) = 0, Ceq(X) = 0 (nonlinear constraints) LB = X = UB 调用格式： x=fmincon(fun,