matlab最小值优化问题中fminunc、fmincon的应用matlab最小值优化问题中fminunc、fmincon的应用.pdfVIP

matlab最小值优化问题中fminunc、fmincon的应用matlab最小值优化问题中fminunc、fmincon的应用.pdf

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
matlab最小值优化问题中fminunc、fmincon的应用matlab最小值优化问题中fminunc、fmincon的应用

工程最优化即最大(小)值问题 1、无约束(无条件)的最优化 (1)使用fminunc 函数 (un-condition ) (2 )可用于任意函数求最小值 (3 )将最大、最小问题统一为求最 小值问题(即只能求最小值) 。如 求最大值, 则要对函数取相反数而变成求 最小值问题, 最后再把函数值取反即为函数 的最大值。 (求最大值需两次取反 (一前一后)) (前后都是函数y 两次取反,而自变量X 不要取反) (4 )使用格式 x=fminunc(‘程序名’, x0) 左边的结果还可以写成 [x,fval] 或 [x,fval,exitflag] 或 必须预先把函数存入到一个程序中, (所编的程序一定是只有一个参数, 则 当 为 多 元 函 数 时 , 则 x(1),x(2),x(3)… 分别代表每个自变 量) 其中fval 为函数的最小值, x0 为自变量初始向量,一般不影响结果 (如有n 个变量(即n 元函数),则x0 中就有n 个元素) exitflag 为退出标志,当它大于0 时表示 函数收敛于x,当它等于0 时表示迭代次 数超过,当它小于0 时表示函数不收敛 (所以解完题后还必须判断exitflag 的值是 否0 ,以决定结果的正误/有效性) 最好返回三个结果 函数存在最值的条件:在闭区间连续,存在导数等(说明有 很多函数不存在最值:有大、有小、有大小、都无) 可以是任意函数、任意n 元函数求最小值 最后一定要看看exitflag 的值(判断结果是否有效)所以 ........ 结果最好返回三个结果 函数可以用内联函数inline(‘表达式’) (程序中的.* ./ .^可要可不要,一般还是不要吧) 2 (5 )y= x +4x+5 的最小值 (结果-2 ,1) 其函数形式为:可以@, 内联函数inline(‘x2+4x+5’), function f=a1(x) f=x^2+4*x+5;最好不要.* .^ ./因为不是向 量(一批数)的运算,初始x0 就是变量的个数(调用该程 序时,所提供的每个变量的初始值) 函数名:’zhc1’或 @zhc1 或 inline(‘…’) [x,f,g]=fminunc(inline(x^2+4*x+5),1) 还有学生f=y=x^2+4*x+5;?????? edit [x,fval,exitflag]=fminunc(max1,1) Warning: Gradient must be provided for trust-region method; using line-search method instead. In fminunc at 241 Optimization terminated: relative infinity-norm of gradient less than options.TolFun. x = -2.0000 fval = 1.0000 exitflag = 1 [a,b,c]=fminunc(max1,1) Warning: Gradient must be provided for trust-region method; using line-search method instead. In fminunc at 241 Optimization terminated: relative infinity-norm of gradient less than options.TolFun. a = -2.0000 b = 1.0000 c = 1 [x,fval,exitflag]=fminunc(max1,0) [x,fval,exitflag]=fminunc(max1,5) [x,fval,exitflag]=fminunc(@max1,5) [x,fval,exitflag]=fminunc(inline(x^2+4*x+5),1) [x

文档评论(0)

vshoulrengb3 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档