Matlab非线性规划

1.非线性规划函数

fmincon函数用于寻找约束非线性多变量函数的最小值。这个函数怎么用？

这是语法格式：

x = fmincon(fun,x0,A,b) 从 x0 开始，尝试在满足线性不等式 A*x ≤ b 的情况下寻找 fun 中所述的函数的最小值点 x。x0 可以是标量、向量或矩阵。
x = fmincon(fun,x0,A,b,Aeq,beq) 在满足线性等式 Aeq*x = beq 以及不等式 A*x ≤ b 的情况下最小化 fun。如果不存在不等式，则设置 A = [] 和 b = []。
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub) 对 x 中的设计变量定义一组下界和上界，使解始终在 lb ≤ x ≤ ub 范围内。如果不存在等式，请设置 Aeq = [] 和 beq = []。如果 x(i) 无下界，请设置 lb(i) = -Inf，如果 x(i) 无上界，请设置 ub(i) = Inf。
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options) 使用 options 所指定的优化选项执行最小化。使用 optimoptions 可设置这些选项。如果没有非线性不等式或等式约束，请设置 nonlcon = []。

参数的相关含义为：

b 和 beq 是向量，A 和 Aeq 是矩阵，c(x) 和 ceq(x) 是返回向量的函数，f(x) 是返回标量的函数。f(x)、c(x) 和 ceq(x) 可以是非线性函数。
x、lb 和 ub 可以作为向量或矩阵传递

2.线性不等式约束

目标函数为：

约束条件为从点[-1,2]为起点求最小值，约束方程为 

最后的Matlab代码为：

m=@(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;%匿名函数
x0=[-1,2];
a=[1,2];
b=1;
[x,y]=fmincon(m,x0,a,b)

 运行结果为：

 3.线性不等式与等式约束

Matlab代码为：

clc
clear all
m=@(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;%匿名函数
x0=[1,1];%初始点数据自行不同
a=[1,-2];
b=1;
Aeq=[2,1];
Beq=1;
[x,y]=fmincon(m,x0,a,b,Aeq,Beq)

运行结果为：

 4.带有非线性约束的求最值

目标函数与约束条件为：

Matlab代码为：

clc
clear all
%%主函数
options=optimset('largescale','off');
[x,y]=fmincon(@fun,rand(3,1),[],[],[],[],zeros(3,1),[],@nonlcon,options)

%%目标函数
function f=fun(x)
f=sum(x.^2)+8;
end

%%非线性约束条件
function [c,ceq]=nonlcon(x)
c=[-x(1)^2+x(2)-x(3)^2
    x(1)+x(2)^2+x(3)^3-20];
ceq=[-x(1)-x(2)^2+2
    x(2)+2*x(3)^2-3];
end

运行结果为：

其中，目标函数为最小化函数，fun是一个函数，fun接受向量或数组x,并返回实数标量f,即在x处计算的目标函数值。
非线性约束条件，nonlcon是一个函数，接受向量或数组x，并返回两个数组c(x)和ceq(x)。
 5.非线性约束

在边界约束下求目标函数在圆内最小的点。​目标函数与约束条件为：

同时在以[1/3,1/3]为圆心、半径为1/3的圆内对结果进行寻找，从而得出Matlab代码为：

clc
clear all
%%主函数
m=@(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;%匿名函数
lb=[0,0.2];
ub=[0.5,0.8];
A=[];
b=[];
Aeq=[];
beq=[];
x0=[1/4,1/4];
nonlcon=@circle;
[x,y]=fmincon(m,x0,A,b,Aeq,beq,lb,ub,nonlcon)

%%非线性约束条件
function [c,ceq]=circle(x)
c=(x(1)-1/3)^2+(x(2)-1/3)^2-(1/3)^2;
ceq=[];
end

运行结果为：