优化设计-fmincon函数介绍-序列二次的规划(SQP)-subspacetrustregion-activesett.pdf

fmincon 函数 • 功能：求多变量有约束非线性函数的最小值。 • 数学模型： • min F(X) • subject to: A*X = B, Aeq*X = Beq (线性约束) C(X) = 0, Ceq(X) = 0 (非线性约束) LB = X = UB 其中，X, B, Beq, LB,和UB为向量，A 和Aeq 为矩阵，C(X) 和Ceq(X)为函数，返回标量。f(x), c(x), 和ceq(x)可以是非线性 函数。 • 调用格式： [x,fval,exitflag,output]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,non lcon,options) Fval：目标函数在解X处的目标函数值 Exitflag：返回算法终止的状态指示结构变量 Output ：优化计算结束之时返回结构变量 由于本问题中需要优化的变量只有两个，属于中等规模 优化问题。fmincon命令使用序列二次规划算法（SQP ）来求 解。序列二次规划方法是将一个带有等式和不等式约束（可 以是非线性）的非线性优化问题转化为二次规划问题求解。 对于中等规模优化问题，求解二次规划问题涉及到 Hessian矩阵。Hessian矩阵的近似计算是通过拟牛顿法得到的， 拟牛顿法提供了两个公式可用于Hessian矩阵（或其逆）的迭 代：BFGS公式和DFP公式，而初始的Hessian矩阵是任意给的， 如给一个单位阵I。 MATLAB中SQP法的实现分三步，即 • 拉格朗日函数Hessian矩阵的更新； • 二次规划问题求解； • 一维搜索和目标函数的计算 序列二次规划(SQP)算法 • 序列二次规划(Sequential Quadratic Programming,简称SQP) 是当前公认的处理中、小规模非线性规划问题最优秀的算 法之一, 该算法通过将原问题转化为一系列二次规划子问 题的求解来获得原问题的最优解,对拉格朗日函数取二次近 似,从而提高二次规划子问题的近似程度, 对非线性较强的 优化问题也能进行计算。 • SQP方法的基本思想如下:在某个近似解处将原非线性规划 问题简化为处理一个二次规划问题,求取最优解,如果有,则 认为是原非线性规划问题的最优解, 否则, 用近似解代替构 成一个新的二次规划问题, 继续迭代。 • Matlab 优化工具箱中SQP算法的实现主要由以下三部分组成。 (1)更新拉格朗日函数的Hessian矩阵 q q T H T H Hk 1 Hk  k k  k k (5） q T s s T H s k k k k k • 式中: m m q f (x )  g (x ) [ f (x )  g (x )] k k 1  i i k 1 k  i i k i 1 i 1 s x x k k 1 k • 在每一次的迭代中, 采用BFGS 方法计算拉格朗日函数的 Hessian 矩阵的正定拟牛顿近似值H。只要保证为正,并且H初始 化为正定矩阵,则Hessian矩阵一直保持正定。 1 T T min q (d ) d Hd c d (6) d Rn 2 A