用matlab求解优化问题.docVIP

§8.1.1 线性规划问题的MATLAB求解方法 与一般线性规划理论一样，在MATLAB中有线性规划的标准型。在调用MATLAB线性规划函数linprog时，要遵循MATLAB中对标准性的要求。 线性规划问题的MATLAB标准形为： 在上述模型中，有一个需要极小化的目标函数，以及需要满足的约束条件假设为维设计变量，且线性规划问题具有不等式约束个，等式约束个，那么： 和均为维列向量，为维列向量，为m2维列向量，为维矩阵，为维矩阵 需要注意的是： MATLAB标准型是对目标函数求极小，如果遇到是对目标函数求极大的问题，在使用MATLAB求解时，需要在函数前面加一个负号转化为对目标函数求极小的问题； MATLAB标准型中的不等式约束形式为，如果在线性规划问题中出现形式的不等式约束，则我们需要在两边乘以(-1)使其转化为MATLAB中的形式。如果在线性规划问题中出现了“”或者“”的约束形式，则我们需要通过添加松弛变量使得不等式约束变为等式约束之后，我们只需要将所有的约束（包括不等式约束和等式约束）转化为矩阵形式的即可。例如，对于如下线性规划模型： 要转化为MATLAB标准形，则要经过： （1）原问题是对目标函数求极大，故添加负号使目标变为：； （2）原问题中存在“≥”的约束条件，故添加负号使其变为： 用MATLAB表达则为 c=[-4; 2; -1]; %将目标函数转化为求极小 A=[2 -1 1; 8 -2 2]; b=[12; -8]; %不等式约束系数矩阵 Aeq=[-2 0 1; 1 1 0];beq=[3; 7]; %等式约束系数矩阵 lb=[0; 0; 0];ub=[Inf; Inf; Inf] %对设计变量的边界约束 MATLAB优化工具箱中求解线性规划问题的命令为linprog，其函数调用方法有多种形式如下所示： x = linprog(c,A,b) x = linprog(c,A,b,Aeq,beq)x = linprog(c,A,b,Aeq,beq,lb,ub)x = linprog(c,A,b,Aeq,beq,lb,ub,x0)x = linprog(c,A,b,Aeq,beq,lb,ub,x0,options)x = linprog(problem)[x,fval] = linprog(...)[x,fval,exitflag] = linprog(...)[x,fval,exitflag,output] = linprog(...)[x,fval,exitflag,output,lambda] = linprog(...) 输入参数 MATLAB工具箱中的linprog函数在求解线性规划问题时，提供的参数为：模型参数、初始解参数和算法控制参数。 模型参数x、c、lb、ub、b、beq、A和Aeq在MATLAB标准型中已经介绍了其具体物理意义和获得方法 x0为线性规划问题的初始解，该设置仅在中型规模算法中有效，而在默认的大型规模算法和单纯形算法中，MATLAB将忽略一切初始解。 options为包含算法控制参数的结构变量，我们可以通过optimset命令对这些具体的控制参数进行设置，例如下述格式 options = optimset(param1,value1,param2,value2,...) 该命令格式创建一组控制参数结构变量options，将参数的具体值赋给单引号之间的参数，任何未被指定的参数将被赋值为[]，参数值为[]的具体的含义是将该组控制参数传递给优化函数时将使用MATLAB提供的默认值 在线性规划问题中可以用到的设置参数如下表所示 表1 linprog中的控制参数设置 参数名称 参数设置 Diagnostics 设置是否显示函数优化中的诊断信息，可以选择on或者off（默认值），该功能主要显示一些退出信息，即linprog函数运算终止的原因 Display 设置显示信息的级别，当该参数值为off时 ，不显示任何输出信息；当参数值为iter时，将显示每一步迭代的输出信息，iter参数值仅对大型规模算法和中型规模的单纯形算法有效；当参数值为final时，仅显示最终的输出信息 Simplex 当该参数值为on时，函数采用单纯形算法 LargeScale 设置是否采用大型规模算法，当参数值为on（默认值）时，使用大型规模算法；当参数值为off时，使用中型规模算法 MaxIter 算法运行中的最大迭代次数，对于大型规模算法，默认值为85，对于单纯形算法，其默认值为10*设计变量的个数，对于中型有效集算法为10*max(设计变量的个数， 不等式约束的个数+边界约束的个数) TolFun 函数计算终止的误差限，对于大型规模算法其默认值为1e-8，该控制参数对于中