MATLAB常用语句总结4

记忆力比较差，把学习过程中常用的语法记录于此，方便回忆时索引

MATLAB总结4：线性规划

---

一、fminbnd、fminsearch

1.fminbnd

fminbnd函数用于在指定区间内寻找单变量函数的最小值。
fminbnd函数的语法如下：

[x，val] = fminbnd(fun, x1, x2)
[x，val] = fminbnd(fun, x1, x2, options)

参数说明：

fun：要最小化的函数的句柄（函数句柄或匿名函数）。
x1和x2：指定的区间，函数的最小值将在该区间内寻找。
options（可选）：用于指定优化选项的结构体。
fminbnd函数将返回在指定区间内找到的函数的最小值的位置x和对应的数值。

演示如何使用fminbnd函数找到函数的最小值：

% 定义要最小化的函数
fun = @(x) x^2 + 2*x + 1;

% 在区间[-2, 2]内寻找最小值
[x,val] = fminbnd(fun, -2, 2);

% 显示找到的最小值的位置
disp(['最小值的位置：', num2str(x)]);

% 显示最小值
disp(['最小值：', num2str(val)]);

2.fminsearch

fminsearch用于在多维空间中寻找函数的最小值。

fminsearch函数的语法如下：

x = fminsearch(fun, x0)
x = fminsearch(fun, x0, options)
x = fminsearch(problem)
[x, fval] = fminsearch(___)

参数说明：

fun：要最小化的目标函数的句柄（函数句柄或匿名函数）。
x0：初始点的向量，表示搜索的起点。
options（可选）：用于指定优化选项的结构体。
problem：优化问题的结构体，包含目标函数和其他参数。
fminsearch函数将返回找到的函数最小值的位置向量x。如果指定了输出参数fval，还将返回最小值fval对应的函数值。

用法

% 定义要最小化的函数
fun = @(x) x(1)^2 + x(2)^2;

% 指定初始点
x0 = [1, 1];

% 在多维空间中寻找最小值
x = fminsearch(fun, x0);

% 显示找到的最小值的位置
disp(['最小值的位置：', num2str(x)]);

% 计算最小值
min_value = fun(x);
disp(['最小值：', num2str(min_value)]);

在这个示例中，定义了一个二次函数f(x) = x1^2 + x2^2，然后使用fminsearch函数在二维空间中寻找了函数的最小值。初始点被指定为(1, 1)。显示了找到的最小值的位置和最小值本身。

---

二、 linprog

linprog用于求解线性规划问题。

linprog函数的语法如下：

x = linprog(f, A, b)
x = linprog(f, A, b, Aeq, beq)
x = linprog(f, A, b, Aeq, beq, lb, ub)
x = linprog(problem)
x = linprog(___, options)
[x, fval] = linprog(___)

参数说明：

f：目标函数的系数向量。
A：不等式约束矩阵。
b：不等式约束右侧向量。
Aeq（可选）：等式约束矩阵。
beq（可选）：等式约束右侧向量。
lb（可选）：变量下界向量。
ub（可选）：变量上界向量。
problem：线性规划问题的结构体，包含目标函数系数和约束等信息。
options（可选）：用于指定优化选项的结构体。
linprog函数将返回线性规划问题的最优解向量x。如果指定了输出参数fval，还将返回最优解对应的目标函数值。

用法演示如何使用linprog函数求解线性规划问题：

% 定义线性规划问题
f = [-3; -4];
A = [1, 2; 3, 2; -1, 0; 0, -1];
b = [10; 15; 0; 0];

% 求解线性规划问题
x = linprog(f, A, b);

% 显示最优解
disp(['最优解：', num2str(x')]);

% 计算最优值
fval = f' * x;
disp(['最优值：', num2str(fval)]);

在这个示例中，定义了一个线性规划问题，其中目标函数为f = [-3; -4]，不等式约束矩阵为A = [1, 2; 3, 2; -1, 0; 0, -1]，不等式约束右侧向量为b = [10; 15; 0; 0]。然后使用linprog函数求解线性规划问题，得到最优解和最优值。

---