《matlab最优化集锦.doc》由会员分享，可在线阅读，更多相关《matlab最优化集锦.doc（7页珍藏版）》请在金锄头文库上搜索。
1、matlab优化函数集锦1函数 linprog格式 x = linprog(f,A,b) %求min f *x sub.to 线性规划的最优解。x = linprog(f,A,b,Aeq,beq) %等式约束 ，若没有不等式约束 ，则A= ，b= 。x = linprog(f,A,b,Aeq,beq,lb,ub) %指定x的范围 ，若没有等式约束 ，则Aeq= ，beq= x = linprog(f,A,b,Aeq,beq,lb,ub,x0) %设置初值x0x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options) % options为指定的优化参数x,fval =
2、 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数字，exitflag0，表示函数收敛于x，若exitflag=0，表示超过函数估计值或迭代的
3、最大数字，exitflagx = fmincon(myfun,x0,A,b,Aeq,beq,lb,ub,mycon)，先建立非线性约束函数，并保存为mycon.m：function C,Ceq = mycon(x)C = % 计算x处的非线性不等约束 的函数值。Ceq = % 计算x处的非线性等式约束 的函数值。lambda是Lagrange乘子，它体现哪一个约束有效。output输出优化信息；grad表示目标函数在x处的梯度；hessian表示目标函数在x处的Hessiab值。7函数 quadprog格式 x = quadprog(H,f,A,b) %其中H,f,A,b为标准形中的参数，x为
4、目标函数的最小值。x = quadprog(H,f,A,b,Aeq,beq) %Aeq,beq满足等约束条件 。x = quadprog(H,f,A,b,Aeq,beq,lb,ub) % lb,ub分别为解x的下界与上界。x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0) %x0为设置的初值x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options) % options为指定的优化参数x,fval = quadprog() %fval为目标函数最优值x,fval,exitflag = quadprog() % exitflag与线性规划
5、中参数意义相同x,fval,exitflag,output = quadprog() % output与线性规划中参数意义相同x,fval,exitflag,output,lambda = quadprog() % lambda与线性规划中参数意义相同8函数 fseminf格式 x = fseminf(fun,x0,ntheta,seminfcon)x = fseminf(fun,x0,ntheta,seminfcon,A,b)x = fseminf(fun,x0,ntheta,seminfcon,A,b,Aeq,beq)x = fseminf(fun,x0,ntheta,seminfcon,
6、A,b,Aeq,beq,lb,ub)x = fseminf(fun,x0,ntheta,seminfcon,A,b,Aeq,beq,lb,ub,options)x,fval = fseminf()x,fval,exitflag = fseminf()x,fval,exitflag,output = fseminf()x,fval,exitflag,output,lambda = fseminf()参数说明：x0为初始估计值；fun为目标函数，其定义方式与前面相同；A、b由线性不等式约束 确定，没有，则A= ，b= ；Aeq、beq由线性等式约束 确定，没有，则Aeq= ，beq= ；Lb、ub由变量x的范围 确定；options为优化参数；ntheta为半无限约束的个数；seminfcon用来确定非线性约束向量C和Ceq以及半无限约束的向量K1，K2，Kn，通过指定函数柄来使用。9函数 fminimax格式 x = fminimax(fun,x0)
