MATLAB70R14连续优化离散优化无约束优化非线性极小fminunc.PPTVIP

Matlab优化工具箱的使用 MATLAB优化工具箱能求解的优化模型 无约束优化问题 无约束优化问题 [x,fval,exitflag,output,grad,hessian] = fminunc(fun,x0,options) 输入参数： fun: 目标函数，以函数句柄的形式给出。函数句柄的构造： 函数首先用m文件定义好，然后采用下列方式构造函数句柄： fhandle=@ function_name 如： f_h=@sin; f_h=@cos 匿名函数的形式（Anonymous function),函数的表达式直接给出： fhandle=@ (var_list) expression(var_list),如： f_h=@(x) sin(x); f_h=@(x) cos(x); 采用函数句柄的方式调用函数：把函数的名称用函数句柄直接替换。比如定义： f_h=@sin， 则使用sin函数的时候有两种方式： sin(10), f_h(10),返回同样的结果。 无约束优化问题 [x,fval,exitflag,output,grad,hessian] = fminunc(fun,x0,options) 输入参数： x0: 初始点的值。 Options: 提供和函数本身有关的一些细节控制，如采用的算法，是否采用梯度等信息。本身是一个结构数组，其中每一个属性值的改变或设定可用函数optimset完成，如： options = optimset(‘Display’,‘iter’,‘TolFun’,1e-8)； options = optimset(optimfun): 返回优化函数“optimfun”所有的options属性的名称和属性值。如： options = optimset(‘fminunc’): 观察结果。Options各个属性的含义请参考帮助文件。 无约束优化问题 [x,fval,exitflag,output,grad,hessian] = fminunc(fun,x0,options) 输出参数： X, fval: 算法终止时函数的最优解和最优值。 exitflag: 整数标志，算法终止的原因，返回值大于0表示找到局部最优点，否则没有找到局部最优点。具体的返回请参照函数“fminunc”的帮助。 Output：Structure containing information about the optimization. The fields of the structure are： iterations： Number of iterations taken； funcCount：Number of function evaluations； algorithm：Algorithm used； Cgiterations：Number of PCG iterations (large-scale algorithm only)；stepsize：Final step size taken (medium-scale algorithm only)； grad,hessian：最优解X点处的剃度和Hessian矩阵 无约束优化问题 [x,fval,exitflag,output,grad,hessian] = fminunc(fun,x0,options) 例子： 求目标函数 mypeaks的局部最小值。 mypeaks=3*(1-x(:,1)).^2.*exp(-(x(:,1).^2) - (x(:,2)+1).^2) ... - 10*(x(:,1)/5 - x(:,1).^3 - x(:,2).^5).*exp(-x(:,1).^2-x(:,2).^2) ... - 1/3*exp(-(x(:,1)+1).^2 - x(:,2).^2); fminsearch与fminunc有相同的输入和输出参数,但是它使用单纯形法来找到局部最优。 分别用fminsearch和fminunc函数求上述目标函数的极小值点，可发现在利用了梯度信息的时候，迭代的次数大大减小。 约束优化问题 1。单变量（标量）、上下界约束优化问题。 [x,fval,exitflag,output] = fminbnd(fun,x1,x2,options) 目标函数必须是连续的，只能求出局部最优值，所用算法：黄金分割和二次插值方法。 例子： 求函数 f(x)=x^(2/3)-(x^2+1)^(1/3), 约束优化问题 2。线性规划问题。 [x,fval,exitflag,output,lambda] =