无约束(多维)最优化概要.pptVIP

结果为： 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。 例3：Matlab编程求解 有约束线性最小二乘的标准形式为 sub.to 其中：C、A、Aeq为矩阵；d、b、beq、lb、ub、x是向量。 在MATLAB5.x中，约束线性最小二乘用函数conls求解。 三、最小二乘法的Matlab求解 1 约束线性最小二乘 函数 lsqlin 格式 x = lsqlin(C,d,A,b) %求在约束条件 下，方程Cx = d的最小二乘解x。 x = lsqlin(C,d,A,b,Aeq,beq) %Aeq、beq满足等式约束 若没有不等式约束，则设A=[ ]，b=[ ]。 x = lsqlin(C,d,A,b,Aeq,beq,lb,ub) %lb、ub满足 若没有等式约束，则Aeq=[ ]，beq=[ ]。 x = lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0) % x0为初始解向量，若x没有界，则lb=[ ]，ub=[ ]。 x = lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0,options) % options为指定优化参数 [x,resnorm] = lsqlin(…) % resnorm=norm(C*x-d)^2，即2-范数。 [x,resnorm,residual] = lsqlin(…) %residual=C*x-d，即残差。 [x,resnorm,residual,exitflag] = lsqlin(…) %exitflag为终止迭代的条件 [x,resnorm,residual,exitflag,output] = lsqlin(…) % output表示输出优化信息 [x,resnorm,residual,exitflag,output,lambda] = lsqlin(…) % lambda为解x的Lagrange乘子 例5-15 求解下面系统的最小二乘解 系统： 约束： 先输入系统系数和x的上下界： C = [0.9501 0.7620 0.6153 0.4057;… 0.2311 0.4564 0.7919 0.9354;… 0.6068 0.0185 0.9218 0.9169;… 0.4859 0.8214 0.7382 0.4102;… 0.8912 0.4447 0.1762 0.8936]; d = [ 0.0578; 0.3528; 0.8131; 0.0098; 0.1388]; A =[ 0.2027 0.2721 0.7467 0.4659;… 0.1987 0.1988 0.4450 0.4186;… 0.6037 0.0152 0.9318 0.8462]; 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); 2 非线性最小二乘 函数 lsqnonlin 格式 x = lsqnonlin(fun,x0) %x0为初始解向量；fun为f(x) i=1,2,…,m，fun返回向量值F，而不是平方和值，平方和隐含在算法中，fun的定义与前面相同。 x = lsqnonlin(fun,x0,lb,ub) %lb、ub