第7章MATLAB解方程与函数极值78164.pptVIP

二次规划 约束和线性规划完全一样，只是目标函数改为 这样，函数的参数只需在前面加一项Ｈ，即 [x,f]=quadprog(H,c,A,b,Aeq,beq,L,U,x0,options); 0-1规划 规划的形式和线性规划一样，只是未知量取0或1。(当然不需要上下限了） [x,f]=bintprog(c,A,b,Aeq,beq,x0); 注：对于任意的整数规划问题，可以通过二—十进制转换化为0-1规划问题。 非线性最小二乘拟合 问题：设给定实验或观测数据（xi,yi),i=1,2,…,n。给定函数族 f(x,s),s=(s1,s2,…,sm) 选择参数s，使得f(x,s)是数据的最佳逼近函数。在最小二乘逼近的意义下，s应满足 非线性最小二乘拟合的相应matlab函数为 s=lsqcurvefit(fun,s0,x,y,L,U,OPTIONS) 例：给定一组数据(xi,yi)，i=1,2,…,n。设这组数据满足正态分布，求分布的均值m和均方差? 解：这是利用数据确定模型参数的问题。首先建立的最小二乘拟合函数模型 function f=fun(s,x) f=exp(-(x-(1)).^2./(2*s(2).^2))/(sqrt(2*pi)*s(2)); 调用matlab的最小二乘拟合函数 s0= s=lsqcurvefit(‘fun’,s0,x,y); 无约束最优化问题的求解 问题：min f(x) x?Rn fminunc(fun,x0,options) 例1： x= fminunc(‘sin’,pi/3); 例2：求函数 的极小值点 注：在最优化搜索中，如果提供函数的Jacobi矩阵信息，搜索的速度会加快。 例3：求 min 2x2+5y2-1 的极小点 function [f,g]=fun(x) f=2*x(1)^2+5*x(2)^2-1; %目标函数 g=[4*x(1);10*x(2)]; %Jacobi矩阵 %主程序： optimset(GradObj,on‘) x0=[1;1]; x=fminunc(‘fun’,x0,options); 有约束的非线性规划问题： min f(x) s.t. Ax ?b Aeqx=beq L ?x ?U C(x) ?0 Ceq(x)=0 X=fmincon(FUN,X0,A,B,Aeq,Beq,LB,UB,NONLCON) 这里， FUN是非线性目标函数， NONLCON是非线性约束项。通常利用function 来定义。 例：求解 min 2x4+5x2+3y4-3 s.t. x+y=1 x2+y2 ?2 function f=fun(x) %目标函数 f=2*x(1)^4+5*x(1)^2+3*x(2)^4-3; function [c1,c2]=fun1(x) %非线性约束 c1=x(1)^2+x(2)^2-2; c2=[ ]; 主程序： x0= x=fmincon(‘fun’,x0,[ ],[ ],[1 1],1,[ ],[ ],fun1); 综合应用实例编程 例1：节水洗衣机程序的最优设计 我国淡水资源有限，节约用水人人有责。洗衣在家庭用水中占相当大的份额。目前洗衣机已经非常普及，节约洗衣机用水十分重要。假设在放入洗涤剂后洗衣机的运行过程为 加水-漂洗-脱水-加水-漂洗-脱水-…..（设加水-漂洗-脱水为运行一轮）请为洗衣机设计一种程序（包括运行多少轮，每轮加水量等），使得在满足一定洗涤效果的前提下，总用水量最少。选用合理的数据进行计算，对照目前常用的洗衣机的运行情况，对你的模型和结果作出评价。 问题的分析：这是一个多步决策问题。每步的决策变量是用水量。而状态是含水衣物中的污渍的含量。 设洗涤n步，第i步用水xi。初始污渍总量为m0,当污渍总量m?时看作洗净。 每次漂洗，假设污渍融入水中和附在衣物上各占比例p和q，融入水中的污渍可以通过甩干去掉。每次甩干后剩余的水量为 s。 优化目标 min x1+x2+….+xn 设第i步衣物余下的污渍为mi,经过第i+1步漂洗，水中和衣物上