优化工具箱之求函数极小值.pptVIP

优化工具箱 ——函数极小值 一、一元函数极小（fminbnd）二、无约束极小值 （fminunc, fminsearch）三、约束极小值(fmincon)四、极大极小（fminimax） 一元函数极小值 [x,fval,exitflag,output]=fminbnd (@fun,x1,x2,options) 关于优化算法的信息 目标函数在（x1,x2）上的最小值 终止迭代条件 极小值点 优化参数 无约束极小值 [x,fval,exitflag,output,grad,hessian]=fminunc(@litifun,x0) 梯度 Hessian矩阵 从x0起，寻找x的局部最小值。可以是向量、标量、矩阵 均为局部解 有约束极小值 min f （X） s.t. AX≤b （线性不等式约束） AeqX=beq （线性等式约束） C(X)≤0 （非线性不等式约束条件） Ceq(X)=0（非线性等式约束） Lb ≤X ≤Ub （边界约束条件） 约束条件 x=fmincon(fun,x0,A,b) 给定初值x0，求解fun函数的极值点x. 约束条件为线性约束A*x=b。 x0可以是标量、矢量或矩阵 X=fmincon(fun,x0,A,b,Aeq,Beq) 同前一调用格式相比，约束条件