matlab第11章实例解析.pptVIP

实例解析【例11-1】有两种液体产品P1和P2，每件产品P1在第一车间的处理时间为1小时，在第二车间的处理时间为1.25小时；每件产品P2在第一车间的处理时间为1小时，在第二车间的处理时间为0.75小时。每个车间每月有200小时的时间可以利用，而且P2产品的市场需求量最大为150件，假定P1产品和P2产品的利润每件分别为4美元和5美元，问P1产品和P2产品的生产量分别为多少时生产商所获得的利润最大。解：设P1产品和P2产品的生产量分别为x1和x2时生产商所获得的利润最大，则目标函数和约束条件可以写为：编写如下程序：f=[-4;-5];A=[1,1;1.25,0.75;0,1];b=[200;200;150];lb=[00];[x,fval,exitflag]=linprog(f,A,b,[],[],lb)%线性规划问题求解为更直观地理解线性规划的几何意义，这里又编写了LP_demo.m函数文件。运行结果：x=50.0000150.0000fval=-950.0000exitflag=1【例11-3】计算下面函数在上的极值。解：首先绘制该二元函数在z=0上下两部分的曲面图，下面编写求极值的主函数，这里由于不知道初始点，所以借助ginput()函数在等高线图形上取点作为初始点的横纵坐标，得到的结果如图：peaks_jizhi.m【例11-4】Banana函数优化。解：首先绘制出Banana函数的曲面图。下面进行优化求解，为获得更好的效果，这里采用动态图形来显示每一步迭代的过程，这里首先介绍一个专门绘制“Banana”函数优化求解迭代点的函数bandemoutfcn()。调用函数fminsearch()求解上述优化问题，在原绘图程序的基础上输入如下代码：plot3(-1.9,2,267.62,ko,markersize,12,linewidth,1,erasemode,none)text(-1.9,2.3,267.62,\fontname{隶书}\fontsize{16}开始,color,[0,0,0])plot3(1,1,0,ko,markersize,12,linewidth,1,erasemode,none)text(1,1.3,100,\fontname{隶书}\fontsize{16}结束,color,[0,0,0])set(gcf,Color,w)x0=[-1.9,2];f=100*(x(2)-x(1)^2)^2+(1-x(1))^2;%利用字符串定义函数表达式OPTIONS=optimset(OutputFcn,@bandemoutfcn);%设置优化控制参数OutputFcn[x,fval,exitflag,output]=fminsearch(f,x0,OPTIONS)example_11_4_1.m下面再利用fminunc()函数求解上述优化问题，编写如下程序代码：x0=[-1.9,2];OPTIONS=optimset(LargeScale,off,OutputFcn,@bandemoutfcn);%设置优化参数grad=[100*(4*x(1)^3-4*x(1)*x(2))+2*x(1)-2;100*(2*x(2)-2*x(1)^2)];%梯度表达式描述f=100*(x(2)-x(1)^2)^2+(1-x(1))^2;%函数表达式OPTIONS=optimset(OPTIONS,HessUpdate,bfgs,gradobj,on,MaxFunEvals,200,InitialHessType,scaled-identity,LineSearchType,quadcubic);%更新优化参数[x,fval,exitflag,output]=fminunc({f,grad},x0,OPTIONS)%优化问题求解example_11_4_2.m【例11-5】求解humps()函数在区间[0,1]内的极小值。解：为显示该优化问题的每一步的迭代过程，先编写优化方法的输出函数myoutput.m并在优化参数中进行设置。functionstop=myoutput(x,optimvalues,state);%优化方法的输出函数history=[];stop=false;ifstate==iterhistory=[history;x];endfplot(@humps,[0,2])holdonplot(history,humps(history),r.,...MarkerS