练习3--规划问题.pptVIP

注 释: * 练习3（规划问题） （无约束优化、非线性规划问题） 线性规划、整数线性规划问题 目标函数 约束条件 线性规划模型的一般形式 目标函数和所有的约束条件都是变量的线性函数. （线性规划、整数线性规划问题） 实际问题中 的优化模型 x是决策变量 f(x)是目标函数 gi(x)?0是约束条件 数学规划 线性规划(LP) 二次规划(QP) 非线性规划(NLP) 纯整数规划(PIP) 混合整数规划(MIP) 整数规划(IP) 0-1整数规划 一般整数规划 连续规划 优化模型的分类 用MATLAB优化工具箱解线性规划 min z=cX 1. 模型： 命令：x=linprog（c, A, b） 2. 模型：min z=cX 命令：x=linprog（c，A，b，Aeq,beq） 注意：若没有不等式： 存在，则令A=[ ]，b=[ ]. 3. 模型：min z=cX 命令：[1] x=linprog（c，A，b，Aeq,beq, VLB，VUB） [2] x=linprog（c，A，b，Aeq,beq, VLB，VUB, X0） 注意：[1] 若没有等式约束: , 则令Aeq=[ ], beq=[ ]. [2]其中X0表示初始点 4. 命令：[x,fval]=linprog(…) 返回最优解ｘ及ｘ处的目标函数值fval. VLB≤X≤VUB 编写M文件xxgh3.m如下: f = [13 9 10 11 12 8]; A = [0.4 1.1 1 0 0 0 0 0 0 0.5 1.2 1.3]; b = [800; 900]; Aeq=[1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 1]; beq=[400 600 500]; vlb = zeros(6,1); vub=[]; [x,fval] = linprog(f,A,b,Aeq,beq,vlb,vub) To MATLAB (xxgh3) 结果: x = 0.0000 600.0000 0.0000 400.0000 0.0000 500.0000 fval =1.3800e+004 即在甲机床上加工600个工件2,在乙机床上加工400个工件1、500个工件3，可在满足条件的情况下使总加工费最小为13800. Matlab优化工具箱简介 1.MATLAB求解优化问题的主要函数 （无约束优化、非线性规划问题） 2. 优化函数的输入变量 使用优化函数或优化工具箱中其它优化函数时, 输入变量见下表: 3. 优化函数的输出变量下表: 用Matlab解无约束优化问题 其中（3）、（4）、（5）的等式右边可选用（1）或（2）的等式右边。 函数fminbnd的算法基于黄金分割法和二次插值法，它要求目标函数必须是连续函数，并可能只给出局部最优解。 常用格式如下： （1）x= fminbnd (fun,x1,x2) （2）x= fminbnd (fun,x1,x2 ，options) （3）[x，fval]= fminbnd（...） （4）[x，fval，exitflag]= fminbnd（...） （5）[x，fval，exitflag，output]= fminbnd（...） 命令格式为: （1）x= fminunc（fun,X0 ）；或x=fminsearch（fun,X0 ） （2）x= fminunc（fun,X0 ，options）； 或x=fminsearch（fun,X0 ，options） （3）[x，fval]= fminunc（...）； 或[x，fval]= fminsearch（...） （4）[x，fval，exitflag]= fminunc（...）； 或[x，fval，exitflag]= fminsearch （5）[x，fval，exitflag，output]= fminunc（...）； 或[x，fval，exitflag，output]= fminsearch（...） 2、多元函数无约束优化问题 标准型为：min F(X) To MATLAB (xxgh2) 问题1 解：上面变形为：