matlab优化函数详解.pdf

1 ．fminbnd 进行有约束的一元函数最小值求解。它的求解命令是 ： X = FMINBND(FUN,x1,x2) ，FUN 是目标函数 ，可以为表达式字符串或 MATLAB 自定义函数的函数柄 ，要求解在约束 x1 = X = x2 下的最优解X*。 还有其他一些求解命令是 ： x = fminbnd(fun,x1,x2,options) % options 为指定优化参数选项 ，由OPTIMSET 设定 [x,fval] = fminbnd(…) % fval 为目标函数的最小值 [x,fval,exitflag] = fminbnd(…) %exitflag 为终止迭代的原因 [x,fval,exitflag,output] = fminbnd(…) % output 为优化信息 说明 ：若参数 exitflag0 ，表示函数收敛于 x ，若 exitflag=0 ，表示达到了最大迭 代次数 ，exitflag0 表示函数不收敛于 x ；若参数 output=iterations 表示迭代次 数 ，output=funccount 表示函数赋值次数 ，output=algorithm 表示所使用的算法。 例子 ：要求解 f(x)=x3-2x-5 在 （0 ，2 ）之间最优解 ，求解命令如下 ： f = @(x)x.^3-2*x-5; x = fminbnd(f, 0, 2) ； 2 ．fminsearch 进行多变量函数的无约束优化。 格式主要有 ： x = fminsearch(fun,x0) ；%对函数 fun ，从 x0 开始搜索最优值 ，返回最优变量 x x = fminsearch(fun,x0,options) ；%可以用 optimset 设置一些优化选项 ； [x,fval] = fminsearch(...) ；%返回 f 为最优函数值 ； [x,fval,exitflag] = fminsearch(...) ；%exitflag 与 fminbnd 类似 ； [x,fval,exitflag,output] = fminsearch(...) ；%output 与 fminbnd 类似 ； 例子 ：要求函数 f (x)= 100*(x(2)-x(1)^2)^2+(1-x(1))^2 的最小值 ，用 fminsearch 求解如下 ： fun = @(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2; [x,fval] = fminsearch(fun,[-1.2, 1]) ； 3 ．fminunc 与 fminsearch 一样 ，也是对多变量无约束函数优化。 指令格式 ： x = fminunc(fun,x0) x = fminunc(fun,x0,options) [x,fval] = fminunc(...) [x,fval,exitflag] = fminunc(...) [x,fval,exitflag,output] = fminunc(...) [x,fval,exitflag,output,grad] = fminunc(...) ；%grad 为解 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。 从算法上来讲 ，当函数的阶数大于2 时 ，fminunc 比 fminsearch 更有效 ，因为它 采用了基于梯度的优化算法 ，而 fminsearch 采用的是 Nelder-Mead 型简单搜寻 法 ，但是 ，正因为这样 ，当函数不连续时 ，fminsearch 的效果反而更好。 4 ．fmincon 对有约束的多变量函数巡优。 格式 ： x = fmincon(fun,x0,A,b) x = fmincon(fun,x0,A,b,Aeq,beq) x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub) x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon) x = fmincon(fun,x0,A,b,Aeq