转]matlab学习-求最小值

 

1.有约束的一元函数的最小值 单变量函数求最小值的标准形式为 min f(x)      sub.to x1&lt;x&lt;x2   在MATLAB5.x中使用fmin函数求其最小值。 函数   fminbnd 格式   x = fminbnd(fun,x1,x2)    %返回自变量x在区间 上函数fun取最小值时x值，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。 x = fminbnd(fun,x1,x2,options)    % options为指定优化参数选项 [x,fval] = fminbnd(…)    % fval为目标函数的最小值 [x,fval,exitflag] = fminbnd(…)    %xitflag为终止迭代的条件 [x,fval,exitflag,output] = fminbnd(…)    % output为优化信息 说明   若参数exitflag&gt;0，表示函数收敛于x，若exitflag=0，表示超过函数估计值或迭代的最大数字，exitflag&lt;0表示函数不收敛于x；若参数output=iterations表示迭代次数，output=funccount表示函数赋值次数，output=algorithm表示所使用的算法。 例5-3   在[0，5]上求下面函数的最小值 f(x)=(x-3)^2-1 解：先自定义函数：在MATLAB编辑器中建立M文件为： function f = myfun(x) f = (x-3).^2- 1; 保存为myfun.m，然后在命令窗口键入命令： &gt;&gt; x=fminbnd(@myfun,0,5) 则结果显示为： x =       3 2.无约束多元函数最小值 多元函数最小值的标准形式为 min f(x) 其中：x为向量，如 在MATLAB5.x中使用fmins求其最小值。 命令   利用函数fminsearch求无约束多元函数最小值 函数   fminsearch 格式   x = fminsearch(fun,x0)    %x0为初始点，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。 x = fminsearch(fun,x0,options)    % options查optimset [x,fval] = fminsearch(…)    %最优点的函数值 [x,fval,exitflag] = fminsearch(…)    % exitflag与单变量情形一致 [x,fval,exitflag,output] = fminsearch(…)   %output与单变量情形一致 注意：fminsearch采用了Nelder-Mead型简单搜寻法。 命令   利用函数fminunc求多变量无约束函数最小值 函数   fminunc 格式   x = fminunc(fun,x0)    %返回给定初始点x0的最小函数值点 x = fminunc(fun,x0,options)    % options为指定优化参数 [x,fval] = fminunc(…)    %fval最优点x处的函数值 [x,fval,exitflag] = fminunc(…)    % exitflag为终止迭代的条件，与上同。 [x,fval,exitflag,output] = fminunc(…)    %output为输出优化信息 [x,fval,exitflag,output,grad] = fminunc(…)    % grad为函数在解x处的梯度值 [x,fval,exitflag,output,grad,hessian] = fminunc(…)    %目标函数在解x处的海赛（Hessian）值 注意：当函数的阶数大于2时，使用fminunc比fminsearch更有效，但当所选函数高度不连续时，使用fminsearch效果较好。 例5-5   求 f(x)=3*x1^2+2*x1*x2+x2^2 的最小值。 &gt;&gt; fun=&#39;3*x(1)^2+2*x(1)*x(2)+x(2)^2&#39;; &gt;&gt; x0=[1 1]; &gt;&gt; [x,fval,exitflag,output,grad,hessian]=fminunc(fun,x0) 结果为： x =    1.0e-008 *     -0.7591     0.2665 fval =    1.3953e-016 exitflag =       1 output =         iterations: 3          funcCount: 16           stepsize: 1.2353      firstorderopt: 1.6772e-007          algorithm: &#39;medium-scale: Quasi-Newton line search&#39; grad =    1.0e-006 *     -0.1677      0.0114 hessian =      6.0000     2.0000      2.0000     2.0000 或用下面方法： &gt;&gt; fun=inline(&#39;3*x(1)^2+2*x(1)*x(2)+x(2)^2&#39;) fun =       Inline function:       fun(x) = 3*x(1)^2+2*x(1)*x(2)+x(2)^2 &gt;&gt; x0=[1 1]； &gt;&gt; x=fminunc(fun,x0) x =    1.0e-008 *     -0.7591     0.2665 3.有约束的多元函数最小值 非线性有约束的多元函数的标准形式为： min f(x) sub.to      C(x)&lt;=0             Ceq(x)=0             A*x&lt;=b             Aeq*x=beq             lb&lt;=x&lt;=ub 其中：x、b、beq、lb、ub是向量，A、Aeq为矩阵，C(x)、Ceq(x)是返回向量的函数，f(x)为目标函数，f(x)、C(x)、Ceq(x)可以是非线性函数。 在MATLAB5.x中，它的求解由函数constr实现。 函数   fmincon 格式   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,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(…) 参数说明：fun为目标函数，它可用前面的方法定义； x0为初始值； A、b满足线性不等式约束 ，若没有不等式约束，则取A=[ ]，b=[ ]； Aeq、beq满足等式约束 ，若没有，则取Aeq=[ ]，beq=[ ]； lb、ub满足 ，若没有界，可设lb=[ ]，ub=[ ]； nonlcon的作用是通过接受的向量x来计算非线性不等约束 和等式约束 分别在x处的估计C和Ceq，通过指定函数柄来使用，如：&gt;&gt;x = fmincon(@myfun,x0,A,b,Aeq,beq,lb,ub,@mycon)，先建立非线性约束函数，并保存为mycon.m：function [C,Ceq] = mycon(x) C = …     % 计算x处的非线性不等约束 的函数值。 Ceq = …    % 计算x处的非线性等式约束 的函数值。 lambda是Lagrange乘子，它体现哪一个约束有效。 output输出优化信息； grad表示目标函数在x处的梯度； hessian表示目标函数在x处的Hessiab值。 例5-6   求下面问题在初始点（0，1）处的最优解 min    x1^2+x2^2-x1*x2-2*x1-5*x2 sub.to      -(x1-1)^2+x2&gt;=0             2*x1-3*x2+6&gt;=0 解：约束条件的标准形式为 sub.to    (x1-1)^2-x2&lt;=0           -2*x1+3*x2-6&lt;=0 先在MATLAB编辑器中建立非线性约束函数文件： function   [c, ceq]=mycon (x) c=(x(1)-1)^2-x(2); ceq=[ ];       %无等式约束 然后，在命令窗口键入如下命令或建立M文件： &gt;&gt;fun=&#39;x(1)^2+x(2)^2-x(1)*x(2)-2*x(1)-5*x(2)&#39;;      %目标函数 &gt;&gt;x0=[0 1]; &gt;&gt;A=[-2 3];    %线性不等式约束 &gt;&gt;b=6; &gt;&gt;Aeq=[ ];     %无线性等式约束 &gt;&gt;beq=[ ]; &gt;&gt;lb=[ ];        %x没有下、上界 &gt;&gt;ub=[ ]; &gt;&gt;[x,fval,exitflag,output,lambda,grad,hessian] =fmincon(fun,x0,A,b,Aeq,beq,lb,ub,@mycon) 则结果为 x =       3      4 fval =     -13 exitflag =       %解收敛       1 output =         iterations: 2          funcCount: 9           stepsize: 1          algorithm: &#39;medium-scale: SQP, Quasi-Newton, line-search&#39;      firstorderopt: [ ]       cgiterations: [ ] lambda =           lower: [2x1 double]    %x下界有效情况，通过lambda.lower可查看。           upper: [2x1 double]    %x上界有效情况，为0表示约束无效。           eqlin: [0x1 double]     %线性等式约束有效情况，不为0表示约束有效。        eqnonlin: [0x1 double]     %非线性等式约束有效情况。         ineqlin: 2.5081e-008     %线性不等式约束有效情况。      ineqnonlin: 6.1938e-008     %非线性不等式约束有效情况。 grad =       %目标函数在最小值点的梯度    1.0e-006 *     -0.1776           0 hessian =     %目标函数在最小值点的Hessian值      1.0000    -0.0000     -0.0000     1.0000 例5-7   求下面问题在初始点x=(10, 10, 10)处的最优解。 Min    f(x)=-x1*x2*x3 Sub.to    0<=x1+2*x2+2*x3<=72 解：约束条件的标准形式为 sub.to       -1*x1-2*x2-2*x3<=0              x1+2*x2+2*x3<=72 >>fun= '-x(1)*x(2)*x(3)'; >>x0=[10,10,10]; >>A=[-1 -2 -2;1 2 2]; >>b=[0;72]; >> [x,fval]=fmincon(fun,x0,A,b) 结果为： x =     24.0000    12.0000    12.0000 fval =         -3456