matlab求解非线性规划问题

一、无约束最优化问题

• 无约束最优化模型：min f（x）
  函数调用：[x, fval] = fminsearch(fun, x0)； [x, fval] = fminunc(fun,x0)
  其中，fun为函数方程，x0为初始值
• 举例：f(x1, x2) = x1^2 + x2^2 - x1x2 - 2x1，求解函数方程的最小值

f=@(x)(3/2)*x(1)^2+(1/2)*x(2)^2-x(1)*x(2)-2*x(1);
 [x fval]=fminsearch(f,[-2,4])
 
f=@(x)(3/2)*x(1)^2+(1/2)*x(2)^2-x(1)*x(2)-2*x(1);
 [x fval]=fminunc(f,[-2,4])

二、约束最优化问题

• 函数调用：[x, fval] = fmincon(fun, x0, A, b, Aeq, beq, lb, ub, nonlcon)
  x得到决策变量取值，fval得到最优解取值
  fun：单独函数文件里定义的目标函数
  x0：决策变量的初始值
  A，b：线性约束的不等式变量系数矩阵和常数项矩阵（都是≤）
  Aeq，beq：线性约束的等式变量系数矩阵和常数项矩阵
  lb，ub：决策变量的最小取值和最大取值
  nonlcon：非线性约束，包括不等式和等式
• 举例：min f(x) = x1^2 + x2^2 + x3^2 + 8
  约束条件：
  x1^2 - x2 + x3^2 ≥ 0；x1 + x2^2 + x3^3 ≤ 20；-x1 - x2^2 + 2 = 0；x2 + 2*x3^2 = 3；x1, x2, x3 ≥ 0

% 编写m文件fun1定义目标函数
function f=fun1(x)
f=x(1).^2+x(2).^2+x(3).^2+8;

% 编写m文件fun2定义非线性约束条件
function [g,h]=fun2(x)
g=[-x(1).^2+x(2)-x(3).^2;x(1)+x(2).^2+x(3).^3-20];
h=[-x(1)-x(2).^2+2;x(2)+2*x(3).^2-3];

% 编写主程序函数
[x,y]=fmincon('fun1',rand(3,1),[],[],[],[],zeros(3,1),[],'fun2')

三、用蒙特卡罗方法求解优化模型

• 用蒙特卡罗方法求解下列优化模型
  
• 使用蒙特卡罗法进行模拟，取N=1000，根据题目中对自变量的限制条件随机生成三个维度为1×1000的矩阵，之后对三个矩阵中的每一个随机数进行计算，首先设置最小值fmin为无穷大，当计算结果小于fmin时成为新的fmin。对每一个随机数，当满足题目中的不等关系时，代入函数表达式进行计算，通过这种方式遍历整个数组，最终找到最小值和取最小值时自变量的取值。

N = 1000;
x1 = unifrnd(0,15,N,1);
x2 = unifrnd(0,9,N,1);
x3 = unifrnd(0,25,N,1);
fmin = inf;
for i=1:N
    x = [x1(i), x2(i), x3(i)]; 
    if (3*x(1) + 2*x(2) + 6*x(3) <= 20) && (4*x(1) + 5*x(2) + 2*x(3) <= 21)    
        result = 2*(x(1) - 1)^2 + 3*(x(2) - 4)^2 + x(1)*x(2) + (2*x(3) - 5);
        if  result  < fmin 
            fmin = result; 
            X = x; 
        end
    end
end
disp(strcat('最小值为:',num2str(fmin)))
disp('最小值处自变量的取值为：')
disp(X)