matlab求解最优化问题(数学建模)

matlab中线性规划优化计算方法和实例

在matlab中用于线性规划优化计算的是linprog()函数。 公式:[x,fval,exitflag,output,lambda]=linprog(c,A,b,Aeq,beq,lb,ub,x0); %x:表示最优解，fval:表示目标函数最优值，exitflag:表示求解的结果是成功还是失败，1代表成功。 %output优化过程中的各种输出信息，lambda：结构体，包含最优解处的拉格朗日乘子。 %c:目标函数系数矩阵，如果求最小值，那么c就是各个变量的系数，如果求最大值，那么c就是各个变量的系数的相反数，A:不等式约束的系数矩阵，b:不等式约束的常向量。 %Aeq:等式约束的系数矩阵，beq：等式约束的常向量，lb、ub表示自变量的上下范围。 %x0:表示变量的初始值，可以缺省。

线性规划优化计算求最优解的方法很多，有单纯形法，大M法，内点法等，linprog函数集中了这几种线性规划算法。

例1：

例2：

上面解决了简单的线性规划问题的求解，线性规划有两种比较特殊的情况，即整数规划和0-1整数规划。(在旧版本中的matlab是不能直接求解这两种特殊的的线性规划。bintprog函数可以用来求0-1整数规划，但求解过程比较麻烦，而且最新版的matlab已经遗弃了这个函数，同时提供了一个比较新的函数——intlinprog)

公式：[x,fval,exitflag]=intlinprog(c,intcon,A,b,Aeq,beq,lb,ub) %该函数的使用和linprog函数的使用十分相似，其仅仅在linprog函数的基础上多了一个参数——intcon。

通过一个例子来了解一下该函数的用法：

在这个例子中，变量的取值范围不再是有理数集，而是整数集。

求解0-1整数规划时，只需要在求解整数规划的基础上加上一个对变量的最大值约束为1就行了。 看一个例子

matlab中二次规划优化计算方法和实例 什么是二次规划？ · 非线性规划的目标函数自变量为x的二次函数； · 约束条件全是线性的；

在matlab中用于二次规划优化计算的是quadprog()函数。 公式：[x,fval,exitflag,output,lambda]=quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options) %上述参数与线性规划中的参数含义相同，H为实对称矩阵，在求解前需要把二次规划化为标准形式。

下面通过两个例子来看一次如何通过matlab求解二次规划 例1：

从而原问题的最优值为：-10.3214 例2：

原问题的最优值为：11.0305

在matlab软件中，函数fmincon用于求解非线性规划问题。 [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options) %nonlcon表示非线性约束条件(需要写自定义函数)，x0为初值。

例1：

fmincon函数是默认从给定的x0为中心开始搜索，直至找到函数的z最小值，并返回距离x0最近的函数最小值对应的值,在计算的时候就必须预先判定函数最小值的对应的x值的大概范围,确保定的初值x0在所求的x附近，以减少计算量。 在利用调用f（x）就可以求得最小值了 如果给的是周期函数 那给不同的值一般应该会得到不同x值 但应该f（x）值是一致的

例2：

fmincon求解优化问题，最优解不一定唯一。选择不同的迭代初始值x0，可能得到不同的局部最优解(局部最优解不一定为全局最优解) 例3

一、无约束一元函数最优解

在matlab中用于一元无约束优化计算的是fminbnd()函数。 公式：[x,fval,exitflag,output]=fminbnd(fun,x1,x2,options)

例：

二、无约束多元函数最优解

在matlab中用于多元无约束优化计算的是fminunc()函数fminsearch函数。 公式[x,fval,exitflag,output,grad,hessian] =fminunc(fun,x0,options) 公式[x,fval,exitflag,output]=fminsearch(fun,x0,options) 当目标函数阶数大于2时，fminunc()比fminsearch()更有效；当目标函数高度不连续时，fminsearch()更具稳健性。