[2018年最新整理]优化问题的求解.pptVIP

11.1 线性规划 线性规划问题是目标函数和约束条件均为线性函数的问题，其整个问题的数学描述为： MATLAB的最优化工具箱中提供的线性规划求解函数是linprog()，该函数的调用格式为： [x,fval,exitflag,output,lambda]=linprog(f,A,b,Aeq,beq,lb,ub,x0,options,p1,p2,...) 11.2 无约束优化 非线性规划是指目标函数或约束函数（或两者）为设计变量的非线性函数的一种优化方法。其标准形式为： 其中 求解无约束优化问题的主要算法有单纯形法、拟牛顿法和最速下降法（或共轭梯度法）等，MATLAB提供了相应算法的实现函数fminsearch()和fminunc()。它们的调用格式分别如下： [x,fval,exitflag,output] = fminsearch(fun,x0,options,p1,p2,...) [x,fval,exitflag,output,grad,hessian]=fminunc(fun,x0,options,p1,p2,...) 11.3 单目标约束优化 一、带有变量边界约束的优化 带有变量边界约束的优化问题的一般描述为： 对于单变量目标函数f (x)，MATLAB提供了fminbnd()函数求解该目标函数在区间内的极小值，该函数的调用格式如下： [x,fval,exitflag,output]=fminbnd(fun,x1,x2,options,p1,p2,...) 对于一般的多变量目标函数f (x)，MATLAB并未提供直接的函数求解。John D’Errico开发的fminsearchbnd()函数扩展了现有函数的功能，能直接求解这样的问题，该函数可以从以下网址下载：/matlabcentral/fileexchange/8277。该函数的调用格式为： [x,fval,exitflag,output]=fminsearchbnd(fun,x0,LB,UB,options,p1,p2,...) 二、多变量约束优化 多变量非线性约束优化问题的一般描述为： 其中， 。为求解方便，约束条件还可以进一步细化为线性等式约束，线性不等式约束，这时原规划问题可以改写成 MATLAB最优化工具箱中提供了一个专门用于求解各种约束下的优化问题的函数fmincon()，该函数的调用格式为： [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options,p1,p2,...) 三、二次规划 一般二次型规划问题的数学表示为： MATLAB最优化工具箱中提供了求解二次规划问题的函数quadprog()，该函数的调用格式为： [x,fval,exitflag,output,lambda]=quadprog(H,f,A,b,Aeq,beq,lb,ub,x0, options,p1,p2,...) 四、半无限约束优化 半无限约束优化问题的标准形式为： 其中 为向量x和 的连续函数，且向量 的长度最多为2。 MATLAB最优化工具箱中提供的函数fseminf()可以直接求解半无限约束优化问题，该函数的调用格式为： [x,fval,exitflag,output,lambda]=fseminf(fun,x0,ntheta,seminfcon,A,b,Aeq,beq,lb,ub,options,p1,p2,...) 其中ntheta是半无限约束条件的个数，seminfcon是一函数名，该函数定义了非线性约束条件和半无限约束条件，该函数的一般写法如下： function [c,ceq,K1,K2,...,Kntheta,S] = myinfcon(x,S) % S为向量w的采样值 % 初始化样本间距 if isnan(S(1,1)), S = ... % S有ntheta行2列 end w1 = ... % 计算样本集 w2 = ... % 计算样本集 ... wntheta = ... % 计算样本集 K1 = ... % 在x和w处的第1个半无限约束值 K2 = ... % 在x和w处的第2个半无限约束值 ... Kntheta = ... % 在x和w处的第ntheta个半无限约束值 c = ... % 在x处计算非线性不等式约束值 ceq = ... % 在x处计算非线性不等式约束值 11.4 多目标约束优化 多目标优化问题的一般表示为： 其中， 一、极小极