第6讲非线性规划课件.pptVIP

Matlab与数学建模 计算机科学与信息工程系 软件工程教研室 许晓华 xuxiaohua@tjau.edu.cn 第6讲 非线性规划 6.1 有约束非线性单变量优化问题 fminbnd() 6.2 无约束非线性多变量优化问题 fminsearch()、fminunc() 6.3 有约束非线性多变量优化问题 fmincon() 6.1 有约束非线性单变量优化问题 函数为fminbnd()，其使用格式为： X=fminbnd(fun,x1,x2) [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 fval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：求函数 在区间[-2,2]的最小值和相应的x值。 解决此问题的Matlab程序为： 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 6.2 无约束非线性多变量优化问题 函数 fminsearch 格式 x = fminsearch(fun,x0) %x0为初始点，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。 x = fminsearch(fun,x0,options) % options查optimset [x,fval] = fminsearch(…) %最优点的函数值 [x,fval,exitflag] = fminsearch(…) % exitflag与单变量情形一致 [x,fval,exitflag,output] = fminsearch(…) %output与单变量情形一致 注意：fminsearch采用了Nelder-Mead型简单搜寻法。 例 求 的最小值点 解：X=fminsearch(2*x(1)^3+4*x(1)*x(2)^3-10*x(1)*x(2)+x(2)^2, [0,0]) 结果为 X = 1.0016 0.8335 或在MATLAB编辑器中建立函数文件 function f=myfun(x) f=2*x(1)^3+4*x(1)*x(2)^3-10*x(1)*x(2)+x(2)^2; 保存为myfun.m，在命令窗口键入 X=fminsearch (myfun, [0,0]) 或 X=fminsearch(@myfun, [0,0]) 函数 fminunc 格式 x = fminunc(fun,x0) %返回给定初始点x0的最小函数值点 x = fminunc(fun,x0,options) % options为指定优化参数 [x,fval] = fminunc(…) %fval为最优点x处的函数值 [x,fval,exitflag] = fminunc(…) % exitflag为终止迭代的条件，与上同。 [x,fval,exitflag,output] = fminunc(…) %output为输出优化信息 [x,fval,exitflag,output,grad] = fminunc(…) % grad为函数在解x处的梯度值 [x,fval,exitflag,output,grad,hessian] = fminunc(…) %目标函数在解x处的海赛（Hessian）值 例：求函数 的最小值。 Matlab程序为 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,1