matlab最优化函数

最新推荐文章于 2024-08-17 10:41:45 发布

kelotiya

最新推荐文章于 2024-08-17 10:41:45 发布

阅读量1.7w

点赞数 7

文章标签： matlab 动态规划

本文链接：https://blog.csdn.net/kelotiya/article/details/105012181

版权

本文介绍了Matlab中用于求解无约束和有约束多变量极小值非线性优化问题的函数fminsearch和fminunc。fminsearch基于单纯形法，fminunc采用拟牛顿法。两者都可能陷入局部最优解，结果受初值影响。fminunc提供了大型和中型优化算法，以及不同的步长和搜索方向选择。fmincon处理有约束优化问题，使用序列二次规划法，并可能给出局部最优解。优化参数可通过options设置，如Display、MaxFunEvals和Algorithm等。

摘要由CSDN通过智能技术生成

Matlab优化方法

一、求无约束多变量（多元）极小值非线性优化问题有fminsearch和fminunc
fminsearch利用了单纯形法的原理
fminunc利用了拟牛顿法的原理
这两个函数都容易陷入局部优化，并且结果的正确与否还要取决于初值点x0的选取。

1 fminsearch
[x,fval,exitflag,output] = fminsearch(…)
　　结构输出output，包含最优化函数的信息：output.algorithm 使用的优化算法，output.funcCount 函式计算（评价）次数，output.iterations 迭代次数，output.message 退出信息
　　exitflag值来表示fminsearch退出的条件：1–函数找到结果x，0–函数最大评价次数达到，或者是迭代次数达到（评价次数=迭代次数*参数个数），-1–算法由外部函数结束
　　fval:在结果x处的目标函数的函数值
　　x:解（可以为向量或者矩阵）

2 fminunc
[x,fval,exitflag,output,grad,hessian] = fminunc(… )
　　hessian:解x的海森（Hessian）矩阵
在这里插入图片描述
　　grad:解x处的梯度
　　exitflag:退出标志：大于0时表