【Matlab优化知识点合集】新手入门第十二天

---

学习目标

• 了解MATLAB常见优化问题
• 掌握MATLAB求解优化问题的方法
  

---

1. 常见优化问题

在数学上，所谓优化问题，在给定的条件下求解目标函数的最优解。当给定条件为空时，此优化问题称为自由优化或无约束优化问题；当给定条件不空时，称为有约束优化或强约束优化问题。
在优化问题中，根据变量、目标函数和约束函数的不同，可以将问题大致分为：

• 线性优化：目标函数和约束函数均为线性函数。
• 二次优化：目标函数为二次函数，而约束条件为线性方程。线性优化和二次优化统称为简单优化。
• 非线性优化：目标函数为非二次的非线性函数，或约束条件为非线性方程。

1.1无约束非线性优化

无约束最优化问题在实际应用中也比较常见，如工程中常见的参数反演问题。另外，许多有约束最优化问题可以转化为无约束最优化问题进行求解。求解无约束最优化问题的方法主要有两类，即直接搜索法和梯度法。

• 直接搜索法适用于目标函数高度非线性，没有导数或导数很难计算的情况。由于实际工程中很多问题都是非线性的，直接搜索法不失为一种有效的解决办法。常用的直接搜索法为单纯形法，此外还有Hooke-Jeeves搜索法、Pavell共轭方向法等，其缺点是收敛速度慢。
• 在函数的导数可求的情况下，梯度法是一种更优的方法，该法利用函数的梯度（一阶导数）和Hessian矩阵（二阶导数）构造算法，可以获得更快的收敛速度。
  在MATLAB中，无约束规划由3个功能函数fminbnd、fminsearch和fminunc实现。
  1.fminbnd函数
  该函数的功能是求取固定区间内单变量函数的最小值，也就是一元函数最小值问题。其数学模型为：
  
  式中，x均为标量，f(x)为目标函数。
  2.fminsearch函数
  该函数功能为求解多变量无约束函数的最小值。其数学模型是：
  
  其中，x为向量，f(x)为一函数，返回标量。
  【例】求的最小值。
  MATLAB命令行窗口输入以下代码：

clear all
clc
f='3*x(1)^3+3*x(1)*x(2)^3-7*x