latex不等于_你可能不知道的MATLAB操作#第四话

前言回顾

    #第三话#介绍了MATLAB内部的绘图命令。比如如何利用函数命令控制数据图的坐标轴、线型、颜色等；如何绘制子图与动图；如何在标题或者坐标轴标签中增加LaTeX公式。

    此外，小编说一哈下写本系列推送的目的不是为了让大家对MATLAB的用法有全面的了解或者替代书本，因为本人也做不到。出发点是为大家整理最常用的命令和最容易犯的错误，可以指导大家更高效地自学。更多的自学资料在上方专辑内有。  本文中用到的所有代码和额外资料在 阅读原文 中也有。

请输入标题     abcdefg

本期概述

“

优化算法

首先了解一下什么是函数句柄——优化传参基础；

主体部分介绍MATLAB内两个代表性优化函数的用法：

1、fmincon: 全称是Find minimum of constrained nonlinear multivariable function，即求约束非线性多变量函数的最小值。当然，这个里面包含了求解线性问题、无约束问题等。因此该算法几乎是和问题无关的。

2、particleswarm:  粒子群优化求解函数，用法上与fmincon有很多重叠之处，将较为快速地讲解。这里不涉及粒子群算法的具体流程，有兴趣的可以点击阅读原文自行补充。

——最后会举例比较说明

函数句柄??

    在进入本期优化函数之前，必须先理解什么是函数句柄。函数句柄(function handle)是MATLAB中的一类特殊的数据结构，它的地位类似于其它计算机语言里的函数对象(Javascript,Python)，函数指针(C++)，或者函数引用(Perl)。作用是将一个函数封装成一个变量，使其能够像其它变量一样在程序的不同部分传递。MATLAB中的函数句柄在调用时和普通函数没有任何区别。

函数句柄主要有两种语法：

【A】handle = @functionname

——给已有函数functionname(x)起一个别名，之后应用handle(x)与functionname(x)是完全一样的；

【B】handle = @(x) cos(x)

——创建一个没有名字的函数，用handle引用。

相当于建立了一个函数文件：

    function  y=anonymous(x)
    y=cos(x);

    end

    这里介绍的比较简单，更详细的内容可以点击阅读原文或者百度。如果完全可以理解，那下面的内容就没有问题；如果不是特别能接受，那可能看起来会有些阻力。

fmincon

[x,fval]=fmincon(fun,x0,A,b,...%换行

Aeq,beq,lb,ub,nonlcon)

    上述MATLBA表达式给出的是fmincon的基础用法，更多的参数说明可以参考doc fmincon，但是对于初学者来讲这些已经完全够用了；上述公式给出的是一般的非线性约束优化问题的模型。

下面一一对应进行解释

1、f(x)是目标函数，对应于fun。这里的fun需要是函数句柄而不能是函数表达式：

    fmincon(@fun,x0,A,.........)%这里的@fun代表已经写好的函数文件的句柄

    function f = fun(x)

    f = ...% 具体的函数可以写在内部

    end

当然也可以是匿名函数

    fun = @(x)sin(x(1))*cos(x(2)) %这是一个函数句柄

但不可以是

    syms x

    fun=cos(x) %这是符号表达式，不接受！

这里都是求函数的最小值，如果是最大值问题，在目标函数前面加一个负号简单转换即可。

2、x是设计变量集合，也就是所有变量所组成的向量。

比如x=[a b c d];

那么就是x(1)=a;x(2)=b，如此类推，以对应于实际问题。

x0对应初值点，根据已有条件做出设置，无特殊要求，保证在可行域内即可。当然，会影响收敛速度和解的精度。

3、A*x<=b 是线性不等式约束，将所有的约束写成不等式组的形式，即可得到对应的系数矩阵A和右端项b。

4、Aeq*x=beq 是线性等式约束，也就是一个方程组，Aeq，beq的定义与第三点相仿。显然等式约束是可以向不等式约束进行转化的。比如Ax=b,可以拆分成A*x<=b &A*x>=b这两个约束，所以大家其实可以灵活运用。

5、c(x)<=与ceq(x)=0分别是非线性不等式约束和非线性等式约束。由于是非线性的，所以无法用数值矩阵表示，所以通常写成函数来传递，nonlcon就是同时对应了这两个约束，下面看一个例子：

    function [c,ceq] = unitdisk(x)
    c = x(1)^2 + x(2)^2 - 1;
    ceq = [];

    end%

    以上定义了一个函数unitdisk，它返回的是x经过非线性运算得到的值[c,ceq]，因为此处unitdisk是函数，和第1点一样，所以传入其函数句柄进行优化。

    nonlcon = @unitdisk;
    x0 = [0,0];
    x= fmincon(fun,...,nonlcon,...);

    这个非线性约束的构造稍微抽象一点也更加灵活，需要仔细想一下，但是如果大家的问题都是线性约束，那么就无需考虑这一项。

6、lb和ub分别是变量的下界和上界。

fmincon例子

例子采用的目标函数是非线性函数，约束是二个线性不等式约束和一个非线性不等式约束，二维问题。

先将目标函数写出来，可以单独保存成一个.m函数文件：

    function f = rosenbrock1(x)

    f = 100*(x(2) - x(1)^2)^2 + (1 - x(1))^2;

    end

再将非线性约束写出来，这里需要注意修改成

    因为在标准模型中对应非线性约束的右端项全部都是0。其次需要将该约束写成函数，也可以保存成一个单独的函数文件。

    function [c,ceq] = unitdisk(x)
    c = x(1)^2 + x(2)^2 - 1;
    ceq = [ ];

    接着处理两个线性约束，写成矩阵形式

    即A=[2 3;-2 3];b=[0.5 -0.5];注意这里的b必须是列向量。最后还有两个很简单的上下界约束，lb=[ ]，ub=[0 0]。lb=[ ]的原因是此处没有约束x的下界。

  最后完整的代码及结果截图如下(源代码在阅读原文)：

    fmincon部分最简单的介绍就到此结束了，你学会了吗？

粒子群算法函数

[x, fmin] = particleswarm(fun,nvars,lb,ub)

    这个参数看着要少很多，原因是粒子群(PSO)算法是一种启发式算法(具体什么意思自行百度哈)。这里不讲原理，只讲应用。

    这里的fun的用法与fmincon中fun完全一致，但是要强调的是此处fun的输入参数必须写成一个行向量，不可以是列向量，也不可以是多个标量，这个要求非常严格的！！！nvars是所传入的列向量的维度，即变量的个数，数一数就知道了。对于上面fmincon中的例子，nvars=2。

(PSO直观示意图，此图来自知乎)

    下面看针对fmincon中的例子，采用粒子群算法进行求解的代码怎么写。

    首先这里没有地方写约束条件，但是又不可能不考虑约束条件，怎么办？那就把问题转化为无约束问题——具体利用惩罚函数法：

    即将几个约束全部纳入目标函数中，构造出新的目标函数g(x)，写成如下图形式，其中M是一个非常大的正数(非常大是相对于f(x)而言)。C(x)是一个非负数，当约束条件全部满足时，C(x)=0，否则依赖于不满足的程度而变化，具体的C(x)如下：

    这时就可以尽量保证约束条件的满足，因为当约束条件不满足时(C(x)不等于0)，函数值将变得非常大(惩罚)，所以优先自动满足约束条件以进行寻优过程。最后来看完整代码：

    比较两种方法，可以看出，就本问题而言，PSO算法能够找到更好的最优解，但由于其启发式特性，对于复杂问题，每次找到最优解不一定相同。