文章目录
非线性规划
非线性规划的matlab解法
fmincon函数
x = fmincon(fun,x0,A,b)
x = fmincon(fun,x0,A,b,Aeq,beq)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
% x0是x的初始值,fun是用M文件定义的函数f(x),nonlcon是M文件定义的非线性向量函数c(x),ceq(x);options定义了优化参数,可以用Matlab默认的参数设置
x = fmincon(problem)
[x,fval] = fmincon(___)
[x,fval,exitflag,output] = fmincon(___)
[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(___)
e.g
min
f
(
x
)
=
x
1
2
+
x
2
2
+
x
3
2
+
8
,
s
.
t
.
=
{
x
1
2
−
x
2
+
x
3
2
≥
0
,
x
1
+
x
2
2
+
x
3
3
≤
20
,
−
x
1
−
x
2
2
+
2
=
0
,
x
2
+
2
x
3
2
=
3
,
x
1
,
x
2
,
x
3
≥
0
。
\min f(x)=x_1^2+x_2^2+x_3^2+8,\\ s.t.= \begin{cases} x_1^2-x_2+x_3^2 \geq 0,\\ x_1+x_2^2+x_3^3 \leq 20,\\ -x_1-x_2^2+2=0,\\ x_2+2x_3^2=3,\\ x_1,x_2,x_3 \geq 0 。 \end{cases}
minf(x)=x12+x22+x32+8,s.t.=⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧x12−x2+x32≥0,x1+x22+x33≤20,−x1−x22+2=0,x2+2x32=3,x1,x2,x3≥0。
对于这道题,我们需要编写三个m文件
% filename :'fun1.m'
function f = fun1(x)
f = sum(x.^2)+8;
% filename :'fun2.m'
function [g,h] = fun2(x)
g = [-x(1)^2+x(2)-x(3)^2
x(1)+x(2)^2+x(3)^3-20]; % 非线性不等式约束
h = [-x(1)-x(2)^2+2
x(2)+2*x(3)^2-3]; % 非线性等式约束
% filename :'main.m'
clear;
clc;
[x,y]=fmincon('fun1',rand(3,1),[],[],[],[],zeros(3,1),[],'fun2');
求得当x1=0.5522, x2=1.2033, x3=0.9478时,最小值y=10.6511
fminsearch函数(求极小值)
f ( x ) = s i n ( x ) + 3 f(x)=sin(x)+3 f(x)=sin(x)+3
例如我们要求 f ( x ) f(x) f(x)取得极小值时x的值,代码如下
% filename :'fun.m'
function f = fun(x);
f = sin(x) +3;
% filename :'main.m'
x0 = 2;
[x,y] = fminsearch(@ fun,x0)
计算函数的零点和方程组的解
求 多 项 式 f ( x ) = x 3 − x 2 + 2 x − 3 的 零 点 求多项式f(x)=x^3-x^2+2x-3的零点 求多项式f(x)=x3−x2+2x−3的零点
法一
clear;
clc;
xishu = [1,-1,2,-3];
x = roots(xishu);
x =
-0.1378 + 1.5273i
-0.1378 - 1.5273i
1.2757 + 0.0000i
法二
clear;
clc;
syms x
x0 = solve(x^3-x^2+2*x-3);%求函数零点的符号解
x0 = vpa(x0,5); % 化成小数格式的数据,5为有效数字
法三
clear;
clc;
y = @(x)x^3-x^2+2*x-3;
x = fsolve(y,rand);% 只能求给定初始值附近的一个零点
约束极值问题
二次规划
H为实对称矩阵
求解命令
x = quadprog(H,f)
x = quadprog(H,f,A,b)
x = quadprog(H,f,A,b,Aeq,beq)
x = quadprog(H,f,A,b,Aeq,beq,lb,ub)
x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0)
x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options)
x = quadprog(problem)
[x,fval] = quadprog(___)
[x,fval,exitflag,output] = quadprog(___)
[x,fval,exitflag,output,lambda] = quadprog(___)
罚函数法
利用罚函数法,可将非线性规划规划问题的求解,转化为求解一系列无约束极值问题,也可称这种方法为序列无约束最小化技术
思想是利用题目中的约束函数做出适当的罚函数,由此构造出带参数的增广目标函数,把问题转化成无约束非线性规划问题。主要有两种形式,一种叫外罚函数法,另一种叫内罚函数法
外罚函数法
min f ( x ) , s . t . { g i ( x ) ≤ 0 , i = 1 , … , r , h j ( x ) ≥ 0 , j = 1 , … , s , k m ( x ) = 0 , m = 1 , … , t \min f(x),\\ s.t. \begin{cases} g_i(x) \leq 0,& i=1,\dots,r,\\ h_j(x) \geq0, & j =1,\dots,s,\\ k_m(x)=0, &m=1,\dots,t \end{cases} minf(x),s.t.⎩⎪⎨⎪⎧gi(x)≤0,hj(x)≥0,km(x)=0,i=1,…,r,j=1,…,s,m=1,…,t
取一个充分大的数M>0,构造函数
P
(
x
,
M
)
=
f
(
x
)
+
M
∑
i
=
1
r
max
(
g
i
(
x
)
,
0
)
−
M
∑
j
=
1
s
min
(
h
j
(
x
)
,
0
)
+
M
∑
m
=
1
t
∣
k
m
(
x
)
∣
P(x,M)=f(x)+M\sum_{i=1}^r \max (g_i(x),0)-M\sum_{j=1}^s \min (h_j(x),0)+M\sum_{m=1}^t |k_m(x)|
P(x,M)=f(x)+Mi=1∑rmax(gi(x),0)−Mj=1∑smin(hj(x),0)+Mm=1∑t∣km(x)∣
在matlab中可以直接利用max,min,sun函数
注意:如果非线性规划问题要求实时算法,则可以使用罚函数的方法,但是计算精度较低。
matlab求约束极值问题
Matlab中用于求解约束最优化问题的函数有
fminbnd、fmincon、quadprog、fseminf、fminimax
fminbnd函数
求单变量非线性函数在区间上的极小值
min
x
f
(
x
)
,
x
∈
[
x
1
,
x
2
]
\min _x f(x),x\in[x_1,x_2]
xminf(x),x∈[x1,x2]
[x,fval]=fminbnd(fun,x1,x2,options)
返回值是极小点x和函数的极小值。fun是用M文件定义的函数、匿名函数或Matlab中的单变量数学函数
fseminf函数
求
min
f
(
x
)
,
s
.
t
.
{
A
⋅
x
≤
b
,
A
e
q
⋅
x
=
b
e
q
,
l
b
≤
x
≤
u
b
,
c
(
x
)
≤
0
,
c
e
q
(
x
)
≤
0
,
K
i
(
x
,
ω
i
)
≤
0
,
1
≤
i
≤
n
\min f(x),\\ s.t. \begin{cases} A \cdot x \leq b,\\ Aeq \cdot x =beq,\\ lb \leq x \leq ub,\\ c(x) \leq 0,\\ ceq(x)\leq 0,\\ K_i(x,\omega_i) \leq 0,1 \leq i \leq n \end{cases}
minf(x),s.t.⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧A⋅x≤b,Aeq⋅x=beq,lb≤x≤ub,c(x)≤0,ceq(x)≤0,Ki(x,ωi)≤0,1≤i≤n
c(x), ceq(x)为向量函数;K_i(x,
ω
i
\omega_i
ωi)为标量函数,
ω
1
,
…
,
ω
n
\omega_1,\dots,\omega_n
ω1,…,ωn为附加的便令
Matlab命令格式为
[x,fval]=fseminf(fun,x0,ntheta,seminfcon,A,b,Aeq,beq,lb,ub)
fminimax函数
求解
min
x
max
i
F
i
(
x
)
,
s
.
t
.
{
A
⋅
x
≤
b
,
A
e
q
⋅
x
=
b
e
q
,
c
(
x
)
≤
0
,
c
e
q
(
x
)
=
0
,
l
b
≤
x
≤
u
b
,
\min _x \max _i F_i(x),\\ s.t. \begin{cases} A \cdot x \leq b,\\ Aeq \cdot x =beq,\\ c(x) \leq 0,\\ ceq(x) = 0,\\ lb \leq x \leq ub,\\ \end{cases}
xminimaxFi(x),s.t.⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧A⋅x≤b,Aeq⋅x=beq,c(x)≤0,ceq(x)=0,lb≤x≤ub,
matlab命令为
[x,fval]=fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)