清华大学数学实验报告6.docxVIP

一、实验目的 1.掌握用MATLAB优化工具箱和LINGO解线性规划的方法；；2.练习建立实际问题的线性规划模型。二、实验内容题目1【问题描述】取不同的初值计算下列非线性规划，尽可能求出所有局部极小点，进而找出全局极小点，并对不同算法（搜索方向、搜索步长、数值梯度与分析梯度等）的结果进行分析、比较。min【分析与解】设Step1：初步分析初步观察函数表达式可知，由于该式为二次项乘积的形式，所以函数值始终大于等于0，当或或时，函数值为0，而当和均趋于无穷大时，函数值也趋于无穷大，因而函数的所有局部极小点处对应的自变量均为有限值。为分析函数存在的所有局部极小点，对于函数的二位图像进行初步分析，在Matlab中编程如下：clearclc [x1,x2] = meshgrid(-20:0.1:20,-20:0.1:20) f = ((x1.*x2).^2).*((1-x1).^2).*((1-x1-x2.*((1-x1).^5)).^2);mesh(x1,x2,f)pause;contour(x1,x2,f,100)运行以上代码，得到如下图像：三维网格图等高线图通过分析以上图像可以发现，在自变量取值变化范围内，函数值的最大值已经达到的数量级，因此自变量取值范围已经足够大。Step2：确定自变量范围为进一步分析所有局部极小点处对应的自变量的具体值，缩小自变量变化范围，在Matlab中编程如下：clearclc [x1,x2] = meshgrid(-0.1:0.01:1.1,-0.3:0.01:0.3) f = ((x1.*x2).^2).*((1-x1).^2).*((1-x1-x2.*((1-x1).^5)).^2);mesh(x1,x2,f)pause;contour(x1,x2,f,100)运行以上代码，得到如下图像：三维网格图等高线图由等高线可知，函数局部极小值位于直线或或附近。Step3：对不同算法的结果进行分析和比较Action1：数值方法：编写函数文件，在Matlab中编程如下：function f = jixiao(x)f =((x(1).*x(2)).^2).*((1-x(1)).^2).*((1-x(1)-x(2).*((1-x(1)).^5)).^2);end对不同算法的结果进行分析和比较，取初始点(0.5,0.5)：[1]BFGS，混合二三次插值：clearclcx0 = [0.5,0.5]; opt1 = optimset(LargeScale,off,MaxFunEvals,1000);[x1,v1,ef1,out1] = fminunc(jixiao,x0,opt1)运行以上代码，得到以下结果：x1 = -0.0000 0.5033 v1 = 5.0074e-13 ef1 = 1 out1 = iterations: 5funcCount: 18stepsize: 1firstorderopt: 3.5473e-07algorithm: [1x38 char]message: [1x436 char][2]BFGS，三次插值：clearclcx0 = [0.5,0.5];opt1 = optimset(LargeScale,off,MaxFunEvals,1000);opt2 = optimset(opt1,LineSearchType,cubicpoly);[x2,v2,ef2,out2] = fminunc(jixiao,x0,opt2)运行以上代码，得到以下结果：x4 = -0.0000 0.5033 v4 = 5.0074e-13 ef4 = 1 out4 = iterations: 5funcCount: 18stepsize: 1firstorderopt: 3.5473e-07algorithm: [1x38 char]message: [1x436 char][3]DFP，混合二三次插值：clearclcx0 = [0.5,0.5];opt1 = optimset(LargeScale,off,MaxFunEvals,1000);fopt = optimset(opt1,HessUpdate,dfp);[x3,v3,ef3,out3] = fminunc(jixiao,x0,fopt)运行以上代码，得到以下结果：x2 = -0.0000 0.5030 v2 = 4.6614e-13