MATLAB用fmincon函数求非线性约束下的最优化问题

fmincon函数非线性约束下的最优化问题

fmincon函数,既是求最小约束非线性多变量函数
该函数被用于求如下函数的最小值
在这里插入图片描述
语法如下:

x = fmincon(fun,x0,A,b)
x = fmincon(fun,x0,A,b,Aeq,beq)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
x = fmincon(problem)
[x,fval] = fmincon(…)
[x,fval,exitflag] = fmincon(…)
[x,fval,exitflag,output] = fmincon(…)
[x,fval,exitflag,output,lambda] = fmincon(…)
[x,fval,exitflag,output,lambda,grad]= fmincon(…)
[x,fval,exitflag,output,lambda,grad,hessian]= fmincon(…)

对于fmincon函数,其exitflag参数中的数字:

1、一阶最优性条件满足容许范围
2、X的变化小于容许范围
3、目标函数的变化小于容许范围
4、重要搜索方向小于规定的容许范围并且约束违背小于options.TolCon
5、重要方向导数小于规定的容许范围并且约束违背小于options.TolCon
0、到达最大迭代次数或到达函数评价
-1、算法由输出函数终止
-2、无可行点

实例:求解下式的最小值

在这里插入图片描述

%方式一:分成多个文件
function f=fminxy(t)
x=t(1);y=t(2);
f=x*x*x-y*y*y+2*x*x+x*y;
end
%%以上代码生成fminxy文件
function [c d]=fcontr(t)
x=t(1);y=t(2);
c=x*x+y*y-6;
d=x*y-2;
end
%%以上文件生成fcontr文件
>> [x,fval,exitflag]=fmincon('fminxy',[1 2],[],[],[],[],[],[],'fcontr')
%fmincon(	fun,	x0, A, b,Aeq,beq,lb,ub, nonlcon) A是初始值,fmincon的初始值x0可以任意取,只要保证为实数就行。
x =
    0.8740     2.2882      %函数最小值时x,y的值
fval =
   -7.7858                        %函数最小值
exitflag =
     1                               %一阶最优性条件满足容许范围,既是结果正确

%方式二:整合成一个文件
function  x= findOpt(a,b) 
x=fmincon(@(t) fminxy(t),[a b],[],[],[],[],[],[],@(t) fcontr(t))
end
 
function f=fminxy(t)
x=t(1);y=t(2);
f=x*x*x-y*y*y+2*x*x+x*y;
end
 
function [c d]=fcontr(t)
x=t(1);y=t(2);
c=x*x+y*y-6;
d=x*y-2;
end
%以上代码生成findOpt文件
>> x=findOpt(2,2)
x =
    0.8740   2.2882

该实例皆为在MATLAB R2014a运行所得,参考https://jingyan.baidu.com/album/6c67b1d69508b52787bb1edf.html?picindex=4

  • 24
    点赞
  • 173
    收藏
    觉得还不错? 一键收藏
  • 21
    评论
### 回答1: “fmincon”是Matlab中用于解决非线性优化问题的函数。它可以找到一个或多个使得目标函数在给定约束条件下达到最小值的变量组合。 “fmincon”函数的一般形式为: x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options) 其中,fun是目标函数;x0是变量的初始猜测值;A和b是线性不等式约束的系数矩阵和右侧常数向量;Aeq和beq是线性等式约束的系数矩阵和右侧常数向量;lb和ub是变量的上下界;nonlcon是非线性约束函数;options是优化选项(如显示或隐藏迭代信息等)。 通过使用“fmincon”,可以通过调整初始猜测值和约束条件来优化目标函数,从而找到使目标函数最小化的变量组合。此外,可以通过设置可选参数来控制优化过程的终止条件、收敛性等。 需要注意的是,“fmincon”只能解决具有较少变量约束非线性优化问题。对于规模较大的问题,可能需要使用其他更高级的算法或优化工具箱。 总结而言,“fmincon”是Matlab中一种方便且易于使用的函数,用于非线性优化问题,它能够寻找使目标函数在给定约束条件下达到最小值的变量组合。 ### 回答2: fmincon是Matlab中用于非线性优化问题的函数。它可以用于寻找多元函数最小值,同时满足线性和非线性等式和不等式约束条件。通过fmincon函数,我们可以对给定的目标函数进行最小化,并在给定约束条件下找到满足最小化要变量值。 fmincon函数的基本用法如下: [x, fval] = fmincon(fun, x0, A, b, Aeq, beq, lb, ub, nonlcon, options) 其中,fun表示目标函数,即需要最小化的函数。x0是问题的初始点。A和b分别表示线性不等式约束矩阵和向量,Aeq和beq表示线性等式约束矩阵和向量。lb和ub分别表示变量的下界和上界。nonlcon表示非线性约束函数。options表示优化选项,例如最大迭代次数、收敛容限等。 通过使用fmincon函数,我们可以对各种复杂的非线性优化问题进行解。它可以用于经济学、金融学、工程学等领域进行最优化问题解。但由于非线性优化问题的复杂性,可能需要调整初始点、约束条件等参数来获得准确的结果。 总之,fmincon函数Matlab中用于非线性优化问题的重要工具,它可以帮助我们找到一个满足约束条件的目标函数最小值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 21
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值