内点法+外点法

内点法属于约束优化算法。约束优化算法的基本思想是：通过引入效用函数的方法将约束优化问题转换成无约束问题，再利用优化迭代过程不断地更新效用函数，以使得算法收敛。 
内点法（罚函数法的一种）的主要思想是：在可行域的边界筑起一道很高的“围墙”，当迭代点靠近边界时，目标函数徒然增大，以示惩罚，阻止迭代点穿越边界，这样就可以将最优解“档”在可行域之内了。

数学定义

对于下面的不等式约束的优化问题： 

minf(x),x∈Rn

s.tgi(x)≤0,i=1,2,...,m

利用内点法进行求解时，构造惩罚函数的一般表达式为 

φ(X,r)=f(X)−r∑i=1m1gi(X)

或者 

φ(X,r)=f(X)−r∑i=1mln[−gi(X)]

算法步骤

1. 取初始惩罚因子 r(0)>0 ，允许误差 ϵ>0 ；
2. 在可行域 D 内选取初始点 X(0) ，令 k=1 ；
3. 构造惩罚函数 φ(X,r(k)) ，从 X(k−1) 点出发用无约束优化方法求惩罚函数 φ(X,r(k)) 的极值点 (X∗,r(k)) ；
4. 检查迭代终止准则：如果满足
   ∥X∗r(k)−X∗r(k−1)∥≤ϵ1=10−5−10−7
   或者
   ∥φ(X∗,r(k))−φ(X∗,r(k−1))φ(X∗,r(k−1))∥≤ϵ2=10−3−10−4
   则停止迭代计算，并以 (X∗,r(k)) 作为原目标函数 f(X) 的约束最优解，否则转入下一步；
5. 取 r(k+1)=cr(k) ， X(0)=X∗r(k) ， k=k+1 ，转向步骤3。递减系数 c=0.1−0.5 ，通常取0.1。

仿真

1 用外点法求下列问题的最优解 方法一：外点牛顿法： clc m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50);%a b为最优点坐标，f0为最优点函数值，f1 f2最优点梯度。 syms x1 x2 e; %e为罚因子。 m(1)=1;c=10;a(1)=0;b(1)=0; %c为递增系数。赋初值。 f=x1^2+x2^2+e*(1-x1)^2;f0(1)=1; fx1=diff(f,'x1');fx2=diff(f,'x2');fx1x1=diff(fx1,'x1');fx1x2=diff(fx1,'x2');fx2x1=diff(fx2,'x1');fx2x2=diff(fx2,'x2');%求偏导、海森元素。 for k=1:100 %外点法e迭代循环. x1=a(k);x2=b(k);e=m(k); for n=1:100 %梯度法求最优值。 f1=subs(fx1); %求解梯度值和海森矩阵 f2=subs(fx2); f11=subs(fx1x1); f12=subs(fx1x2); f21=subs(fx2x1); f22=subs(fx2x2); if(double(sqrt(f1^2+f2^2))<=0.001) %最优值收敛条件 a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f)); break; else X=[x1 x2]'-inv([f11 f12;f21 f22])*[f1 f2]'; x1=X(1,1);x2=X(2,1); end end if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001)&&(double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001) %罚因子迭代收敛条件 a(k+1) %输出最优点坐标，罚因子迭代次数，最优值 b(k+1) k f0(k+1) break; else m(k+1)=c*m(k); end end 方法二：外点梯度法： clc m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50);  syms d x1 x2 e;  m(1)=1;c=10;a(1)=0;b(1)=0;  f=x1^2+x2^2+e*(1-x1)^2; f0(1)=1;  fx1=diff(f,'x1');  fx2=diff(f,'x2'); for k=1:100  x1=a(k);x2=b(k);e=m(k); for n=1:100  f1=subs(fx1); f2=subs(fx2); if(double(sqrt(f1^2+f2^2))<=0.002)  a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f)); break; else D=(x1-d*f1)^2+(x2-d*f2)^2+e*(1-(x1-d*f1))^2;  Dd=diff(D,'d'); dd=solve(Dd); x1=x1-dd*f1; x2=x2-dd*f2; end end if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001)&&(double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001)  a(k+1) b(k+1) k f0(k+1) break; else m(k+1)=c*m(k); end end 2,用内点法求下列问题的最优解 内点牛顿法 clc m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50); syms x1 x2 e; m(1)=1;c=0.2;a(1)=2;b(1)=-3; f=x1^2+x2^2-e*(1/(2*x1+x2-2)+1/(1-x1)); f0(1)=15; fx1=diff(f,'x1');fx2=diff(f,'x2');fx1x1=diff(fx1,'x1');fx1x2=diff(fx1,'x2');fx2x1=diff(fx2,'x1');fx2x2=diff(fx2,'x2'); for k=1:100 x1=a(k);x2=b(k);e=m(k); for n=1:100 f1=subs(fx1); f2=subs(fx2); f11=subs(fx1x1); f12=subs(fx1x2); f21=subs(fx2x1); f22=subs(fx2x2); if(double(sqrt(f1^2+f2^2))<=0.002) a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f)); break; else X=[x1 x2]'-inv([f11 f12;f21 f22])*[f1 f2]'; x1=X(1,1);x2=X(2,1); end end if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001)&&(double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001) a(k+1) b(k+1) k f0(k+1) break; else m(k+1)=c*m(k); end end