MATLAB-----2019/7/10

非线性规划

1.定义：
   若目标函数或约束条件中包含非线性函数，就成这种规划问题为非线性规划。
2.非线性规划的一般形式：
$$minf(x)$$
$$s_{.}{t}_{.}=\{\begin{array}{r}{h}_j(x)\le 0,j=1,\cdots ,q\\ g_i(x)\le 0,i=1,\cdots ,p\end{array}$$
3.非线性规划与线性规划的区别：
   如果线性规划最优解存在，则最优解只能在其可行域的边界上达到（特别是可行域顶点处达到）；如果非线性规划最优解存在，则最优解可能在其可行域的任何一点上达到。
4.非线性规划的MATLAB解法：

• 标准形式：
  $$minf(x)$$
  $$s_{.}{t}_{.}=\{\begin{array}{r}A\cdot x\le b,\\ Aeq\cdot x=beq\\ c(x)=0\\ lb\le x\le ub\end{array}$$
• MATLAB中的命令是：
  $[x,fval]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)$
  $nonlcon是c(x),ceq(x);option定义了优化参数，可以用MATLAB默认的参数设置。$

5.无约束问题的MATLAB解法：
过程：
① 求一阶导数
②求Hessian阵
③求驻点，若在驻点出Hessian阵为正定阵，则在该点处取最小值；若在驻点出Hessian阵为负定阵，则在该点处取最大值；若在驻点出Hessian阵为不定阵，则在该驻点不是极值点。

6.无约束极值问题的数值解

 Ⅰ $[x,fval]=fminunc(fun,x0,option)$,求解多维无约束非线性优化问题。其中$x$是所求的极小值点，$fval$是函数的极小值点。
   $fun$是一个M函数，若$fun$只有一个返回值，则它的返回值是函数$f(x)$; 若$fun$只有两个返回值，则它的第二个返回值是函数$f(x)$的梯度向量（梯度向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大）; 若$fun$有三个返回值，则它的第三个返回值是函数$f(x)$的二阶导数阵（Hessian阵）。

 Ⅱ $[x,fval]=fminsearch(fun,x0,option)$可用来求多元函数的极小值。
 Ⅲ$[x,fval,exitflag,output]=fminbnd(fun,x0,option)$可用来求解一维搜索问题。
总结：三种命令不同的适用条件
$$fminunc=\{\begin{array}{l}多维无约束非线性优化\end{array}$$
$$
fminbnd=
\begin{cases}
它用于求解一维设计变量在固定区间内的目标函数的最小值 \

\end{cases}
$$

7.约束极值问题

• 定义： 带有约束条件的极值问题成为约束极值问题。为简化其优化工作，将约束问题化为无约束问题；将非线性问题化为线性问题。（思想为化繁为简，感觉有点类似于数据结构中的归并排序）

• 二次规划
  (1)
  $$形成条件=\{\begin{array}{l}某非线性规划的目标函数为自变量x的二次函数\\ 约束条件为全线性的\end{array}$$
  注：两条件缺一不可

  (2) MATLAB中二次规划的数学模型：
  $$min\frac{1}{2}{x}^{T}Hx+f^{T}x,$$
  $$s_{.}{t}_{.}=\{\begin{array}{r}A\cdot x\le b,\\ Aeq\cdot x=beq,\\ lb\le x\le ub\end{array}$$
  （3）MATLAB中解二次规划的命令为：
  $[x,fval]=quadprog(fun,x0,A,b,Aeq,beq,lb,ub,options)$

• 罚函数法（用来将非线性规划问题的求解转化为一系列无约束求值问题）

  (1) 思想：利用问题中的约束函数做出适当的罚函数。由此构出带参数的增广目标函数，把问题转化为一系列无约束求值问题。

  (2）
  $$罚函数=\{\begin{array}{r}外罚函数\\ 内罚函数\end{array}$$
  (3）外罚函数:
  一般形式：
  $$minf(x)$$
  $$s_{.}{t}_{.}=\{\begin{array}{r}{g}_i(x)\le 0,i=1,\cdots ,r\\ h_j(x)\ge 0,j=1,\cdots ,s\\ k_m(x)=0,m=1,\cdots ,t\end{array}$$
  取一个充分大的数$M>0$,构造函数：
  $P(x,M)=f(x)+M{\sum }_{i=1}^{r}max(g_i(x),0)-M{\sum }_{j=1}^{s}min(h_j(x),0)+M{\sum }_{m=1}^t|k_m(x)|$

• 在MATLAB中用于求约束最优化问题的函数：
  ❶ $fminbnd函数$:
  求单变量非线性函数在区间上的极小值
  一般形式：
  $$\underset{x}{\min }f(x),x\in (x1,x2)$$

$[x,fval]=fminbnd(fun,x1,x2,options)$

❷$fseminf函数$:
一般形式：
$$minf(x)$$
$$s_{.}{t}_{.}=\{\begin{array}{r}A\cdot x\le b,\\ Aeq\cdot x=beq\\ lb\le x\le ub\\ c(x)\le 0\\ ceq(x)\le 0\\ K_i(x,w_i)\le 0,1\le i\le n\end{array}$$
$[x,fval]=fseminf(fun,x0,ntheta,seminfcon,A,b,Aeq,beq,lb,ub)$
 
ntheta: $半无穷约束K_i(x,w_i)$的个数；
seminfcon:$用于定义c(x),ceq(x),K_i(x,w_i)的函数,有两个输入参数x和s,s是推荐步长$

❸ $fminimax函数$
一般形式：
$$\underset{x}{\min }\underset{i}{\max }{F}_i(x)$$
$$s_{.}{t}_{.}=\{\begin{array}{r}A\cdot x\le b,\\ Aeq\cdot x=beq\\ c(x)\le 0\\ ceq(x)=0\\ lb\le x\le ub\end{array}$$
$[x,fval]=quadprog(fun,x0,A,b,Aeq,beq,lb,ub,options)$

注:以上我所写内容均来自于《数学建模算法与应用(第二版)》(司守奎，孙兆亮主编)，仅为我个人按书上写的练习所用

---

LATEX中属于符号：\in 内容
 

举例：$x\in[0,5]$ 显示：$x\in [0,5]$