数学建模上机实验3.doc

数学建模上机实验（三） 姓名 学号 班级 问题：（非线性规划） 设每位同学自己的学号为n，采用非线性规划求解下面优化问题： 函数为六峰值驼背函数（Six-hump Camel Back Function），要求如下： （i）mesh()为Matlab中常用的画图函数，请查阅相关书籍或help，掌握mesh用法，画出的三维图像； （ii）用遗传算法工具箱求解该优化问题，给出求解结果，画出每代群体的最优适应度、适应度均值图像。 问题的分析和假设： 首先，通过help或demos帮助文档，查出mesh（）画图函数的用法； 其次，查看GA遗传工具箱的用法，以及画出画出每代群体的最优适应度、适应度均值图像的方法。 建模： 先用meshgrid函数产生网格meshgrid(-3:0.1:3,-2:0.1:2)； 2，定义目标函数，并调用mesh函数画出三维图像：z=(4-2.1*x.^2+(x.^4)/3).*x.^2+x.*y+(-4+4*y.^2).*(y.^2)+mesh(x,y,z) 设置上下界：LB = [-3 -2]; UB = [3 2]; 调用GA遗传算法求解：[x,fval] = ga(ObjectiveFunction,nvars,[],[],[],[],LB,UB)； 画出每代群体的最优适应度、适应度均值图像：options = gaoptimset(PlotFcns,{@gaplotbestf,@gaplotmaxconstr},Display,iter) 求解的Matlab程序代码： [x,y]=meshgrid(-3:0.1:3,-2:0.1:2); z=(4-2.1*x.^2+(x.^4)/3).*x.^2+x.*y+(-4+4*y.^2).*(y.^2)+ mesh(x,y,z)%画图 %定义目标函数并保存为：m_fitness.m function y = m_fitness(x) y=(4-2.1*x(1)^2+(x(1)^4)/3)*x(1)^2+x(1)*x(2)+(-4+4*x(2)^2)*(x(2)^2) ObjectiveFunction = @m_fitness; nvars = 2; %设置变量个数 LB = [-3 -2]; % 设置下界 UB = [3 2]; % 设置上界 [x,fval] = ga(ObjectiveFunction,nvars,[],[],[],[],LB,UB)%调用GA遗传算法求解 options = gaoptimset(PlotFcns,{@gaplotbestf,@gaplotmaxconstr},Display,iter);%画出每代群体的最优适应度、适应度均值图像。 [x,fval] = ga(ObjectiveFunction,nvars,[],[],[],[],... LB,UB,[],options) 计算结果与问题分析讨论： 求解结果： Optimization terminated: average change in the fitness value less than options.TolFun. x = -8.986636249384461e-002 7.126798497072406e-001 fval = 2.010343096837155e+007 图 1：画出的三维图像； 图 2：每代群体的最优适应度、适应度均值图像