最优化方法源程序.docVIP

最优化方法源程序 一、线性规划问题 例 解线性规划函数linprog () 线性规划规划矩阵形式： 格式为: x= linprog (c,A,B,Aeq,Beq,LB,UB) 例 解线性规划 即 %线性规划求解 clear; c=[-100,-200]; A=[1,1;1,0]; B=[500,200]; Aeq=[2,6]; Beq=1200; LB=[0,0];UB=[]; [x,fval,exitflag,output]=linprog(c,A,B,Aeq,Beq,LB,UB) 执行结果： Optimization terminated. x = 200.0000 133.3333 fval = -4.6667e+004 exitflag = 1 output = iterations: 4 algorithm: large-scale: interior point cgiterations: 0 message: Optimization terminated. 二、无约束一元非线性规划问题 例1 0.618法 function [s,phis,k,G,E]=golds(phi,a,b,delta,epsilon) %功能: 0.618法精确线搜索 %输入: phi是目标函数, a, b 是搜索区间的两个端点 % delta, epsilon分别是自变量和函数值的容许误差 %输出: s, phis分别是近似极小点和极小值, G是nx4矩阵, % 其第k行分别是a,p,q,b的第k次迭代值[ak,pk,qk,bk], % E=[ds,dphi], 分别是s和phis的误差限. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% t=(sqrt(5)-1)/2; h=b-a; phia=feval(phi,a); phib=feval(phi,b); p=a+(1-t)*h; q=a+t*h; phip=feval(phi,p); phiq=feval(phi,q); k=1; G(k,:)=[a, p, q, b]; while(abs(phib-phia)epsilon)|(hdelta) if(phipphiq) b=q; phib=phiq; q=p; phiq=phip; h=b-a; p=a+(1-t)*h; phip=feval(phi,p); else a=p; phia=phip; p=q; phip=phiq; h=b-a; q=a+t*h; phiq=feval(phi,q); end k=k+1; G(k,:)=[a, p, q, b]; end ds=abs(b-a); dphi=abs(phib-phia); if(phip=phiq) s=p; phis=phip; else s=q; phis=phiq; end E=[ds,dphi]; 程序调用: [s,phis,k,G,E]=golds(inline(2*x^2-x-1),-1,1,0.16,3) s = 0.236067977499790 phis = -1.124611797498107 k = 7 G = -1.000000000000000 -0.236067977499790 0.236067977499790 1.000000000000000 -0.236067977499790 0.236067977499790 0.527864045000421 1.000000000000000 -0.236067977499790 0.055728090000841 0.236067977499790 0.527864045000421 0.055728090000841 0.236067977499790 0.347524157501472 0.527864045000421 0.055728090000841 0.167184270002524 0.236067977499790 0.347524157501472 0.167184270002524 0.236067977499790 0.278640450004206 0.347524157501