第五讲-Matlab优化工具箱简介幻灯片课件.pptVIP

第五讲 Matlab优化工具箱简介 ---optimization toobox;线性规划问题是目标函数和约束条件均为线性函数的问题，MATLAB7.0解决的线性规划问题的标准形式为 min sub. to： 其中f、x、b、beq、lb、ub为向量，A、Aeq为矩阵. 其它形式的线性规划问题都可经过适当变换化为此标准形式. 在MATLAB5.x以上版中，线性规划问题Linear Programming已用函数linprog取代了MATLAB5.x版中的lp函数.当然，由于版本的向下兼容性，一般说来，低版本中的函数在7.0版中仍可使用.;[x,fval] = linprog(…) % 返回目标函数最优值，即fval= f *x. [x,lambda,exitflag] = linprog(…) % lambda为解x的Lagrange乘子. [x, lambda,fval,exitflag] = linprog(…) % exitflag为终止迭代的错误条件. [x,fval, lambda,exitflag,output] = linprog(…) % output为关于优化的一些信息. 说明: 若exitflag0表示函数收敛于解x，exitflag=0表示超过函数估值或迭代的最大次数，exitflag0表示函数不收敛于解x；若lambda=lower 表示下界lb，lambda=upper表示上界ub，lambda=ineqlin表示不等式约束，lambda=eqlin表示等式约束，lambda中的非0元素表示对应的约束是有效约束；output=iterations表示迭代次数，output=algorithm表示使用的运算规则，output=cgiterations表示PCG迭代次数.;例5-1 求下面的优化问题;解： f = [-5; -4; -6]; % 写成行向量亦可！ A = [1 -1 1;3 2 4;3 2 0]; b = [20; 42; 30]; lb = zeros(3,1); [x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb) 结果为： x = %最优解 0.0000 15.0000 3.0000 fval = %最优值 -78.0000 exitflag = %收敛 1;output = iterations: 6 %迭代次数 cgiterations: 0 algorithm: lipsol %所使用规则 lambda = ineqlin: [3x1 double] eqlin: [0x1 double] upper: [3x1 double] lower: [3x1 double] lambda.ineqlin ans = 0.0000 1.5000 0.5000 lambda.lower;请写出下面线性规划的Matlab程序.;c=[-0.4 -0.28 -0.32 -0.72 -0.64 -0.6]; A=[0.01 0.01 0.01 0.03 0.03 0.03;0.02 0 0 0.05 0 0;0 0.02 0 0 0.05 0;0 0 0.03 0 0 0.08]; b=[850;700;100;900]; Aeq=[]; beq=[]; vlb=[0;0;0;0;0;0]; vub=[]; [x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub);MATLAB求解优化问题的主要函数;优化函数的输入变量 ;优化函数的输出变量 ;5.2非线性优化;例5-2 计算下面函数在区间(0，1)内的最小值. ;例5-3 在[0，5]上求下面函数的最小值解： 先自定义函数：在MATLAB编辑器中建立M文件为： function f = myfun(x) f = (x-3).^2 - 1; 保存为myfun.m，然后在命令窗口键入命令： x=fminbnd(@myfun,0,5) 则结果显示为： x = 3;5.2.2 无约束多元函数最小值 多元函数最小值的标准形式为