《用matlab求解非线性优化问题》由会员分享，可在线阅读，更多相关《用matlab求解非线性优化问题（6页珍藏版）》请在金锄头文库上搜索。
1、实验四 用MATLAB求解非线性优化问题一、实验目的：了解Matlab的优化工具箱，利用Matlab求解非线性优化问题。二、相关知识非线性优化包括相当丰富的内容，我们这里就Matlab提供的一些函数来介绍相关函数的用法及其所能解决的问题。（一）非线性一元函数的最小值Matlab命令为fminbnd()，其使用格式为：X=fminbnd(fun,x1,x2)X,fval,exitflag,output= fminbnd(fun,x1,x2)其中：fun为目标函数，x1，x2为变量得边界约束，即x1xx2，X为返回得满足fun取得最小值的x的值，而fval则为此时的目标函数值。exitflag0表
2、示计算收敛，exitflag=0表示超过了最大的迭代次数，exitflag0表示优化结果收敛于解，exitflag=0表示优化超过了函数值的计算次数，exitflag0表示优化不收敛。lambda是拉格朗日乘子，显示那个约束条件有效。grad表示梯度，hessian表示汉森矩阵。例4：求，使得目标函数在约束条件，下取得最小值。我们设计的程序如下：先把目标函数和约束条件分别编写成独立的m文件，注意，这样的m文件必须用function开头，并且文件名一定要和函数名一致。目标函数的文件为：function f=objfun(x)f=exp(x(1)*(4*x(1)2+2*x(2)2+4*x(1)*x
3、(2)+2*x(2)+1);约束条件的文件为：function c,ceq=confun(x)c=1.5+x(1)*x(2)-x(1)-x(2);-x(1)*x(2)-10;ceq=;接着，编写完成优化的程序如下：clearx0=-1 1;options=optimset(largescale,off,display,iter);x,fval,exitflag,output=fmincon(objfun,x0,confun,options)运行结果为：IterF-countf(x)constraintmaxStep-sizeDirectional derivativeProcedure131.
4、83940.510.0486271.85127-0.091971-0.556Hessian modified twice3110.9.3310.174150.0.92091-0.9655200.-1.5170.5-0.1686240.0.33131-0.05187280.-0.033031-0.01428320.0.1-6.22e-0069360.9.032e-00811.76e-010Hessian modifiedOptimization terminated successfully: Search direction less than 2*options.TolX and maxim
5、um constraint violation is less than options.TolConActive Constraints: 1 2x = -9.5474 1.0474fval = 0.0236exitflag = 1output = iterations: 9 funcCount: 38 stepsize: 1 algorithm: medium-scale: SQP, Quasi-Newton, line-search firstorderopt: cgiterations: 例5：在上例的基础上，再加上边界约束条件，即加上，则我们仅需要修改上面的第三个程序为：clearx0=-1 1;lb=0,0;ub=;options=optimset(largesca
