Matlab优化工具箱1.ppt

2. fmin函数标量最优求解 标量最优问题的一般描述 目标函数 2. fmin函数标量最优求解 求解格式为： 2. fmin函数标量最优求解 说明： 2. fmin函数标量最优求解 options（l）控制显示。设置为1将给出中间结果的列表显示。 options（2）控制x的精度。 options（14）控制函数的计算次数。 2. fmin函数标量最优求解 举例：求下述标量函数在（0，5）区域内的最小值。 目标函数： 2. fmin函数标量最优求解 第二步：求解 3. 非线性规划 3. 非线性规划 fminu、fmins函数 在优化工具箱中，fminu、fmins函数用于解非线性规划问题。可以选择使用．BFGS公式来逼近Hessian矩阵的拟牛顿（quasi-Newton）方法；或者采用DFP公式来逼近Hessian矩阵的拟牛顿（quasi－Newton）方法；或者采用最速下降法。 3. 非线性规划 fminu，fmins 功能：求解无约束非线性最优化问题。 格式： 3. 非线性规划 说明：x＝fminu（’fun’，x0）求函数fun的最小值。fun函数定义在M文件fun．m中，并置初始解向量为x0。 x＝fminu（’fun’，x0，options）设置可选参数的值而不是采用缺省值。可选参数在options向量中设置。 fun为包含目标函数的函数名字符串。 3. 非线性规划 options为参数控制向量。 options（l）控制显示。设置为1将给出中间结果的列表显示。 options（2）控制x的精度。 options（3）控制目标函数f的精度。 当options（2）、options（3）参数全部满 足后，算法将结束。 对options（6）的讨论见后面算法部分。 3. 非线性规划 举例：求无约束非线性问题 3. 非线性规划 第二步：求解（打开一个文本文件，写入求解命令，然后将其复制到命令窗口中运行即可）。 3. 非线性规划 算法： 对 fminu函数优化算法的控制通过 option（6）参数实现，缺省地 option（6）=0。此时使用拟牛顿（quasi－Newton）方法，这种方法采用BFGS公式来逼近Hessian矩阵； 如果设置option（6）=l，则采用DFP公式来逼近地Hessian矩阵； 如果设置option（6）=2，则采用最速下降法。 3. 非线性规划 注意： 1．对于fminu函数，目标函数必须连续。fmins函数常用来处理不连续的情况。 这两个函数有可能给出局部最优解。 2．对于目标函数中存在平方和的情况，不应该使用fminu和fmins函数，而应该使用leastsq函数。 4. 有约束规划 1 约束规划概述 约束非线性规划的一般描述 目标函数 4. 有约束规划 其中： 为向量， 为函数向量，f(x)为标量函数，g(x)和f(x)均可为非线性函数，g(x)既可以为等式约束也可以为不等式约束。 对于约束非线性规划问题，已经建立了大量的计算方法，如可行方向法、梯度投影法、罚函数法、线性近似法等。但这些算法均仅仅能解决一类特殊的非线性规划问题。 4. 有约束规划 在理论上，Kuhn-Tucher条件则具有很重要的意义。 对于一个不等式约束gi(x)≤0,如果gi(x*)＝0，则称该约束在点x*处为起作用约束；设x*为问题的一个可行解，如果约束的梯度向量? gi(x*)线性无关，x*为局部最优解，则必然存在不全为0的数ui（i＝l，…，m），使得以下Kuhn-Tucker条件成立： 4. 有约束规划 如果f(x)和gi(x)（i＝l，…，m）均为凸函数，并且可导，x*满足Kuhn-Tucher条件，则x*为全局最优解。 4. 有约束规划 constr函数 多变量且非线性约束最优问题的一般描述 目标函数 4. 有约束规划 constr 函数 功能：多变量非线性约束最优问题求解。 格式： 4. 有约束规划 说明：x＝constr(‘fun’，x0）求解非线性约束最优化问题。目标函数和约束条件定义在M文件中，文件名为fun．m。初始解向量为x0。 x＝co