12. 代数方程与最优化问题的求解.ppt

b =[ 0.5251; 0.2026; 0.6721]; lb = -0.1*ones(4,1); ub = 2*ones(4,1); 然后调用最小二乘命令： [x,resnorm,residual,exitflag,output,lambda] = lsqlin(C,d,A,b,[ ],[ ],lb,ub) x = -0.1000 -0.1000 0.2152 0.3502 resnorm = 0.1672 residual = 0.0455 0.0764 -0.3562 0.1620 0.0784 exitflag = 1 %说明解x是收敛的 output = iterations: 4 algorithm: medium-scale: active-set firstorderopt: [] cgiterations: [] lambda = lower: [4x1 double] upper: [4x1 double] eqlin: [0x1 double] ineqlin: [3x1 double] %通过lambda.ineqlin可查看非线性不等式约束是否有效。 lambda.ineqlin ans = 0 0.2392 0 12.4整数规划问题的计算机求解12.4.1 整数线性规划问题的求解 A、B线性等式和不等式约束,，约束式子由ctype变量控制，intlist为整数约束标示，how＝0表示结果最优，2为无可行解，其余失败。 例： f=-[2 1 4 3 1]; A=[0 2 1 4 2; 3 4 5 -1 -1]; intlist=ones(5,1); B=[54; 62]; ctype=[-1; -1]; xm=[0,0,3.32,0.678,2.57]; xM=inf*ones(5,1); [res,b]=ipslv_mex(f,A,B,intlist,xM,xm,ctype) % 因为返回的 b=0，表示优化成功 res = 19 0 4 10 5 b = 0 [x1,x2,x3,x4,x5]=ndgrid(1:20,0:20,4:20,1:20,3:20); i=find((2*x2+x3+4*x4+2*x5=54) (3*x1+4*x2+5*x3-x4-x5=62)); f=-2*x1(i)-x2(i)-4*x3(i)-3*x4(i)-x5(i); [fmin,ii]=sort(f); index=i(ii(1)); x=[x1(index),x2(index),x3(index),x4(index),x5(index)] x = 19 0 4 10 5 ％当把20换为30，一般计算机配置下实现不了，故求解整数规划时不适合采用穷举算法。 次最优解 fmin(1:10) ans = -89 -88 -88 -88 -88 -88 -88 -88 -87 -87 in=i(ii(1:4));x=[x1(in),x2(in),x3(in),x4(in),x5(in),fmin(1:4)] x = 19 0 4 10 5 -89 18 0 4 11 3 -88 17 0 5 10 4 -88 15 0 6 10 4 -88 intlist=[1,0,0,1,1]; ％混合整数规划 [res,b]=ipslv_mex(f,A,B,intlist,xM,xm,ctype) res = 19.0000 0 3.8000 11.0000 3.0000 b = 0 12.4.2一般非线性整数规划问题与求解 err字符串为空，则返回最优解。 该函数尚有不完全之处，解往往不是精确整数， 可用下面语句将其化成整数。 例： function f=c6miopt(x) f=-[2 1 4 3 1]*x; A=[0 2 1 4 2; 3 4 5 -1 -1]; intlist=ones(5,1); Aeq=[]; Beq=[]; B=[54; 62]; ctype=[-1;