利用MATLAB求解无约束优化问题.pptVIP

* 命令格式为: [x，fval，exitflag，output]= fminunc(fun, x0 ，options)； 或 [x，fval，exitflag，output]= fminsearch(fun, x0 ,options)； 标准型为：min F(X) matlab解多元函数无约束优化问题 fminsearch是用单纯形法寻优. fminunc的算法见以下几点说明： 使用fminunc和 fminsearch可能会得到局部最优解. * [3] fminunc为中型优化算法的步长一维搜索提供了两种算法， 由options中参数LineSearchType控制： LineSearchType=’quadcubic’(缺省值)， 混合的二次和三次多项式插值；LineSearchType=’cubicpoly’，三次多项式插值 说明: [1] fminunc为无约束优化提供了大型优化和中型优化算法。 由options中的参数LargeScale控制： LargeScale=’on’(默认值),使用大型算法 LargeScale=’off’(默认值),使用中型算法 [2] fminunc为中型优化算法的搜索方向提供了3种算法， 由 options中的参数HessUpdate控制： HessUpdate=’bfgs’（默认值），拟牛顿法的BFGS公式； HessUpdate=’dfp’，拟牛顿法的DFP公式； HessUpdate=’steepdesc’，最速下降法 * 例1 min f(x)=(4x12+2x22+4x1x2+2x2+1)*ex1 1、编写M-文件 fun.m: function f = fun (x) f = exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1); 2、输入M文件wliti.m如下: x0 = [-1, 1]; x=fminunc(‘fun’,x0); y=fun(x) 3、运行结果: x= 0.5000 -1.0000 y = 1.3029e-10 * * 用fminsearch函数求解 输入命令: f=100*(x(2)-x(1)^2)^2+(1-x(1))^2; [x,fval,exitflag,output]=fminsearch(f, [-1.2 2]) 运行结果: x =1.0000 1.0000 fval =1.9151e-010 exitflag = 1 output = iterations: 108 funcCount: 202 algorithm: Nelder-Mead simplex direct search * 4. 用fminunc 函数 (1)建立M-文件fun2.m function f=fun2(x) f=100*(x(2)-x(1)^2)^2+(1-x(1))^2 (2)简单计算 [x,fval,exitflag,output]=fminunc(fun2, [-1.2 2]) (3)比较各种算法主程序compare.m * options11=optimset(HessUpdate,dfp) [x11,fval11,exitflag11,output11]=fminunc(fun2, [-1.2 2],options11) pause options12=optimset(HessUpdate,dfp,LineSearchType,cubicpoly) [x12,fval12,exitflag12,output12]=fminunc(fun2, [-1.2 2],options12) pause options21=optimset(HessUpdate,bfgs) [x21,fval21,exitflag21,output21]=fminunc(fun2, [-1.2 2],options21) pause options22=optimset(HessUpdate,bfgs,LineSearchTyp