matlab优化模型的优点,Matlab在求解优化问题中的应用解析.ppt

x=lsqnonlin( fun，x0 ，LB，UB，options ) 功能：用 options 参数指定的优化参数进行最小化，其中， options 可取值为：Display，TolX，TolFun，Derivativecheck，Diagnostics，FunValCheck，Jacobian，JacobMult， JacobPattern， LineSearchType， LevenbergMarquadt， MaxFunEvals， MaxIter， DiffMinChange，以及DiffMaxChange， LargeScale， MaxPCGIter， PrecondBandWidth， TolPCG， TypicalX。 [x，resnorm]=lsqnonlin( fun，x0, … ) 功能： 返回解 x 处残差的平方范数：sum(fun(x).^2)。 [x，resnorm ，residual]= lsqnonlin( fun，x0, … ) 功能： 返回解 x 处残差值： residual =fun(x)。 [x，resnorm ，residual ，exitflag]= lsqnonlin ( fun，x0, …) 功能：返回解 x 处残差值： residual =fun(x)。另外，返回exitflag值，描述极小化函数的退出条件。 下界大于上界 -2 重要搜索方向小于规定的容许范围 4 当前搜索方向线搜索不能充分减少残差 -4 算法由输出函数终止 -1 达到最大迭代次数或达到函数评价 0 残差的变化小于规定的容许范围 3 x的变化小于规定的容许范围 2 函数收敛到目标函数最优解处 1 含义 exitflag值 exitflag值和相应的含义如下表所示： 例10 带参数优化问题。 function f=ex10(x,a) %This function is to demonstrate minimize the objective %given in the function which is parameterized by its second % argument a f=(x-a)^2; 编辑如下 M 文件 ex10.m ： >>a=1.5; %define parameter first >>x=fminbnd(@(x) ex10(x,a),0,1) x = 0.9999 在命令窗口中输入： 3. 应用实例分析 function f=ex11(x) %The purpose of this file is to give the objective function %This is a function to calculate the volume f=-(5-2*x).^2*x; 编辑如下 M 文件 ex11.m ： 例11 容积最大化问题。 对边长为 5m 的正方形钢板，在 4 个角处剪去相等的正方形以制成方形无盖的容器，问如何剪去使得容器的容积最大？ 假设剪去的正方形的边长为 x，则容器的容积计算公式为： 这里需要将最大化问题转化为最小化问题，目标函数为： >>[x,fval,exitflag,output]=fminbnd(@ex11,0,1.5) x = 0.8333 fval = -9.2593 exitflag = 1 output = iterations: 8 funcCount: 9 algorithm: 'golden section search, parabolic interpolation' message: [1x112 char] 在命令窗口中输入： (二)无约束非线性规划问题 1. 数学原理及模型 无约束最优化是一个十分古老的课题，至少可以追溯到 Newton 发明微积分的时代。无约束最优化问题在实际应用中也非常常见，另外，许多约束优化问题也可以转化成无约束优化问题求解，所以，无约束优化问题还是十分重要的。 由于简单的无约束线性问题非常容易，这里提到的无约束最优化问题就是指无约束非线性规划问题。 数学模型 设 f (x)是一个定义在 n 维欧式空间上的函数。把寻找f (x)的极小点的问题称为一个无约束最优化问题，这个问题可以用下列形式表示： 算法介绍 最速下降法：适用于变量不多的问题； Newton法 变尺