matlab mincx求解器,线性矩阵不等式的使用

LMI：Linear Matrix Inequality，就是线性矩阵不等式。

在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便(也因为我不懂这个lmiedit的GUI)。

对于LMI Lab，其中有三种求解器(solver)：feasp，mincx和gevp。

每个求解器针对不同的问题：

feasp：解决可行性问题(feasibility problem)，例如：A(x)

mincx：在线性矩阵不等式的限制下解决最小化问题(Minimization of a linear objective under LMI constraints)，例如最小化c'x，在限制条件A(x) < B(x)下。

gevp：解决广义特征值最小化问题。例如：最小化lambda，在

0

要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。

对于以下类型的任意的LMI问题

N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M

其中X1, . . . , XK是结构已经事先确定的矩阵变量。左侧和右侧的外部因子(outer factors)N和M是给定的具有相同维数的矩阵。

左侧和右侧的内部因子(inner factors)L(.)和R(.)是具有相同结构的对称块矩阵。每一个块由X1, . . . , XK以及它们的转置组合而成形成的。

解决LMI问题的步骤有两个：

1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。

2、描述每一个LMI的每一项内容(Describe the term content of each LMI)此处介绍两个术语：

矩阵变量(Matrix Variables)：例如你要求解X满足A(x)

项(Terms)：项是常量或者变量(Terms are either constant or variable)。

常项(Constant Terms)是确定的矩阵。可变项(Variable Terms)是哪些含有矩阵变量的项，例如：X*A, X*C'。如果是X*A + X*C'，那么记得要把它当成两项来处理。

好了废话不说了，让我们来看个例子吧(下面是一线性时滞系统)。

500)this.width=500;" border=0>

针对这个式子，如果存在满足如下LMI的正矩阵(positive-define)的Q，S1，S2和矩阵M，那么我们就称作

该系统为H-inf渐进稳定的，并且gammar是上限。

500)this.width=500;" border=0>