Matlab在最优化问题中的应用(doc28页).docxVIP

Mat I ab Mat I ab在最优化问题中的应用 Matlab在最优化问题中的应用 （doc 28 页） 优化理论是一门实践性很强的学科，广泛应 用于生产管理、军事指挥和科学试验等各种领 域，Matlab优化工具箱提供了对各种优化问题 的一个完整的解决方案。 在数学上，所谓优化问题，就是求解如下形 Min fun (x) Sub. to ［C.E.］ ［B.C.］ 其中fun (x)称为目标函数，“Sub. to”为 “subjects啲缩写，由其引导的部分称为约束 条件。［C.E.］表示 Condition Equations,即条件 方程，可为等式方程，也可为不等式方程。［B.C.］ 表示Boundary Conditions,即边界条件，用来 约束自变量的求解域，以lbWxWub的形式给 出。当［C?E?］为空时，此优化问题称为自由优化 或无约束优化问题；当［C?E?］不空时，称为有约 束优化或强约束优化问题。 在优化问题中，根据变量、目标函数和约束 函数的不同，可以将问题大致分为: sub. To Ax = b xMO 其中C, b,0GRn, AGRmXn,均为数值矩阵， xGR% 若目标函数为：max C5x,则转换成：min —Cx。 标准形式的线性规划问题简称为LP (LinearProgramming)问题。其它形式的线性规划问题经过适当的变换均可以化为此种标准形。线性规 划问题虽然简单，但在工农业及其他生产部门中 应用十分广泛。 在Matlab中，线性规划问题由linprog函数 求解。 函数：I inprog %求解如下形式的线性 规划问题： niin fTx X such that A^xb Aeq ? x = beq lbxub 其中/ x, b, beq, lb, 讪为向量，A, Aeq为矩阵。 x = linprog(f,A9 x = linprog(f,A9b) x = lmprog(f9A,b,Aeq,beq) x = linprog(f，A，b，Aeq，beq，lb，ub) x = linprog(f，A，b，Aeq，beq，lb，ub，xO) linprog(f9A,b,Aeq,beqJb,ub,xO,options) [x^fval] = linprog(...) [x,fval,exitflag] = linprog(…) [x,fval?exitflag,output] = linprog(...) [x,fval,exitflag9outputjambda] = linprog(...) 说明= x = linprog(f,A,b)求解问题 约束条 件为 A*xv=b。 x = linprog(f,A,b,Aeq,beq)求解上面的问题， 但增加等式约束，即Aeq*x = beq。若没有不等 式存在，则令A=[]、b = []o x = linprog（f，A，b，Aeq，beq，lb，ub）定义设计 变量x的下界lb和上界ub,使得x始终在该范 围内。若没有等式约束，令Aeq = []. beq = []o =linprog(f， =linprog(f，A，b，Aeq，beq，lb，ub，xO)设: 值为xOo该选项只适用于中型问题，默认时大 型算法将忽略初值。 x = linprog(f,A,b,Aeq,beqJb,ub,xO,options) 用options指定的优化参数进行最小化。 [x^fval] = linprog(...)返回解x处的目标函 [x,fval,exitflag] = linprog(..)返回 exitflag 值，描述函数计算的退出条件。 [x,fval,exitflag,output] = linprog(...)返回包 含优化信息的输出变量output o [x,fval,exitflag,output Jambda] = linprog(...) 将解x处的Lagrange乘子返回到lambda参数 中。 0 Xj, 0x 0 Xj, 0x2, 0 x3 exitflag 参数 描述退出条件: ?0表示目标函数收敛于解x处; -0表示已经达到函数评价或迭代 表示目标函数不收敛。 表示目标函数不收敛。 output参数 该参数包含下列优化信息: 迭代次数；PCG迭代 迭代次数； PCG迭代 所釆用的算 output .cgiterations 次数(只适用于大型规划问题): output ?algorithm 法。 lambda参数 该参数是解x处的Lagrange乘子。它 有以下一些属性: ? lambda.lower—lambda 的下界; lambda.upper—lambda 的上界； lambda.ineqlin—lam