附录2 Matlab 优化工具箱 作者郑志勇 ariszheng@
附录2 Matlab 优化工具箱
A2.1 优化基本概念与理论 1
A2.1.1 基本概念…2
A2.2.2 线性最优化:2
A2.1.3 非线性最优化:2
A2.2 线性规划 3
A2.2.1 线性规划的模型结构3
A2.2.2 linprog 函数4
A2.3 无约束优化 6
A2.3.1 无约束优化模型结构6
A2.3.2 fminsearch 函数7
A2.3.3 fminunc 函数8
A2.3.4 含参数优化问题9
A2.4 约束优化算法9
A2.4.1 约束优化模型结构9
A2.4.2 Fmincon 函数10
A2.4.3 含参数的优化问题11
A2.5 求解方程组 12
A2.5.1 方程组模型结构12
A2.5.2 fsolve 函数 13
A2.6 优化工具箱参数设置 14
A2.6.1 优化工具箱参数说明14
A2.6.2 优化工具箱参数设置方法18
A2.6.3 参数设置实例演示19
A2.1 优化基本概念与理论
凸集合与凸规划是运筹学的支柱性理论,优化理论也主要建立在凸集合与凸规划的基本之上。进
而,根据优化问题的可行解集合、目标与约束函数是否为凸,将优化问题的解非为局部最优解与全局最
优解。现在,优化算法种类繁多,根据其优化理论,将现在有优化算法分为,经典优化算法与启发式优
化算法。运筹学与最优化的发展与其他科学理论的发展密切相关,如金融工程、数值计算等。
·2 · 书名
A2.1.1 基本概念
在现实生活中许多重要的问题,都涉及到选取一个最好的目标,或者为达到这个目标而选择某些参数、
确定某些值,这些问题都可以归结为最优化问题.对于一个最小值问题,其形式的描述为数学规划模型的一般
形式为
min f (x)
⎧
(fs ) ⎨
s.t .x ∈S
⎩
其中,S ∈Rn 为约束集合或可行集;f : S →R 为目标函数;若x ∈S 则称x 为问题(f s) 的可行
解。显然,只要改变目标函数的符号,最大值问题就可以转变成最小值问题, 因此,本文在说明都是以最小值
问题为标准.解决最优化问题的算法称为最优化算法,可以分为经典优化算法和启发式优化算法.
A2.2.2 线性最优化:
线性最优化, 又称线性规划, 是运筹学中应用最广泛的一个分支.这是因为自然科学和社会科学中许多
问题都可以近似转化成线性规划问题.
线形规划的一般形式:
=+ + +