非线性规划_多维约束优化_0507（副本）.pptVIP

综合实例 综合实例 综合实例 综合实例 综合实例 例2 综合实例 综合实例 综合实例 本章重点回顾 (1) 非线性规划问题的建模方法，包括一维的问题和多维的问题； (2) 非线性规划问题的极值条件，重点是K-T条件； (3) 一维搜索的试探法和插值法的原理和实施方法； (4) 多维无约束非线性规划的相关算法，如最速下降法、牛顿法、共轭方向法、Powell算法的原理和迭代方法； (5) 多维约束非线性规划的相关算法，如拉格朗日乘子法、序列无约束极小化法、近似规划法的原理和迭代方法； (6) MATLAB中求解非线性规划的函数fminbnd、fminunc、fminsearch和fmincon的使用方法。 近似规划法 例1 近似规划法 多维约束优化的MATLAB求解 多维约束优化的MATLAB求解 调用格式 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,beq,lb,ub,nonlcon,options) x = fmincon(problem) [x,fval] = fmincon(...) [x,fval,exitflag] = fmincon(...) [x,fval,exitflag,output] = fmincon(...) [x,fval,exitflag,output,lambda] = fmincon(...) [x,fval,exitflag,output,lambda,grad] = fmincon(...) [x,fval,exitflag,output,lambda,grad,hessian] = fmincon(...) 多维约束优化的MATLAB求解 输入参数和输出参数 多维约束优化的MATLAB求解 求解算法选择 有效集算法 并不使用用户提供的有关Hessian矩阵的信息，而是利用拟牛顿法取Hessian矩阵的近似值。 基于映射牛顿法的置信域算法 使用用户提供目标函数的Hessian矩阵的解析形式，该解析形式由目标函数的第三个输出参数给出。由于该算法的约束形式仅限于边界约束和线性约束，故其在拉格朗日乘子处的Hessian矩阵和目标函数的Hessian矩阵形式相同。通过下述命令使得fmincon在求解过程中使用Hessian矩阵的解析形式 options = optimset(Hessian,user-supplied); 如果不设置该参数，则算法采用有限差分近似。 内点算法 使用用户提供的Hessian矩阵的信息，但是方式和置信域算法不同，它不是由目标函数的第三个输出参数得到，而是需要建立单独的描述Hessian矩阵的文件，文件的形式为：hessian = hessianfcn(x, lambda) 如果最优化问题的设计变量是n维列向量，则hessian是一个n维方阵，稀疏形式或者稠密形式均可。lambda是非线性约束的拉格朗日乘子结构变量，它是与最优化问题的非线性约束相关的向量，其中包含：lambda.ineqnonlin和lambda.eqnonlin options = optimset(Hessian,user-supplied,.HessFcn,@hessianfcn); 多维约束优化的MATLAB求解 约束函数nonlcon 多维约束优化的MATLAB求解 输出参数exitflag的物理意义 输出参数lambda给出了在解x处的拉格朗日乘子信息，该结构变量中所包含的属性及其相应的含义 输出参数output结构变量中所包含的信息 多维约束优化的MATLAB求解 控制参数设置 多维约束优化的MATLAB求解 命令详解 多维约束优化的MATLAB求解 多维约束优化的MATLAB求解 多维约束优化的MATLAB求解 几点说明 需要注意的是，函数fmincon基于梯度信息求解非线性规划问题。一般而言，需要目标函数和约束函数均为连续函数且连续一阶可微。 对于fmincon中使用的基于牛顿映射的置信域算法，它不允许设计变量的上下界相等，如果对于某个设计变量有lb(i)==ub(i)，则fmincon会返回错误信息： Equal upper and lower bounds not permitted in this large-scale method. Use equality