Matlab优化工具箱基本用法

1、精品文档Matlab优化工具箱类型模型基本函数名一元函数极小MinF(x)s.t.x1<x<x2x=fminbnd(F',xi,X2)无约束极小MinF(X)X=fminunc(F',X0)X=fminsearch(F',X°)线性规划MincTXs.t.AX<=bX=linprog(c,A,b)二次规划MinxTHx+cTx2s.t.Ax<=bX=quadprog(H,c,A,b)约束极小（非线性规划）MinF(X)s.t.G(X)<=0X=fmincon('FG,X。)达到目标问题Minrs.t.F(x)-wr<

2、=goalX=fgoalattain(F',x,goal,w)极小极大问题MinmaxFi(x)X任i(x)s.t.G(x)<=0X=fminimax(FG,x0)变量调用函数描述flinprog,quadprog线性规划的目标函数f*X或二次规划的目标函数X'*H*X+f*X中线性项的系数向量funfminbnd,fminsearch,fminunc,fminconjsqcurvefitjsqnonlin,fgoalattain,fminimax非线性优化的目标函数.fun必须为行命令对象或Mt件、嵌入函数、或MEXC件的名称Hquadprog二次规划的目标函数X

3、9;*H*X+f*X中二次项的系数矩阵A,blinprog,quadprog,fgoalattain,fmincon,fminimaxA矩阵和b向量分别为线性不等式约束：AXMb中的系数矩阵和右端向量Aeq,beqlinprog,quadprog,fgoalattain,fmincon,fminimaxAeq矩阵和beq向量分别为线性等式约束：Aeq-X=beq中的系数矩阵和右端向量vlb,vublinprog,quadprog,fgoalattain,fmincon,fminimax,lsqcurvefit,lsqnonlinX的下限和上限向量：vlbWXwvubX）除fminbnd外所有优

4、化函数迭代初始点坐标X1,X2fminbnd函数最小化的区间options所有优化函数优化选项参数结构，定义用于优化函数的参数x=bintprog(f,A,b,Aeq,Beq,x0,options)0-1规划用MATLAB优化工具箱解线性规划1、模型：minz=cXs.t.AX,b命令：x=linprog(c,A,b)2、模型：minz=cXst.AX<bAeqX=beq命令：x=linprog(c,A,b,Aeq,beq)注意：若没有不等式：AXEb存在，则令A=,b=.若没有等式约束，则令Aeq=,beq=.3、模型：minz=cXst.AX<bAeqX=beqVLB<X

5、<VUB命令：1x=linprog(c,A,b,Aeq,beq,VLB,VUB)2x=linprog(c,A,b,Aeq,beq,VLB,VUB,X0)注意：1若没有等式约束，则令Aeq=,beq=.2其中X0表示初始点4、命令：x,fval=linprog()返回最优解x及x处的目标函数值fval.例1maxz=0.4x10.28x20.32x30.72x40.64x50.6x6st0.01x10.01x20.01x30.03x40.03x50.03x6<8500.02x10.05x4<7000.02x20.05x5<1000.03x30.08x6<900xj-

6、0j=126解编写M文件小xxgh1.m如下：c=-0.4-0.28-0.32-0.72-0.64-0.6;A=0.010.010.010.030.030.03;0.02000.0500;00.02000.050;000.03000.08;b=850;700;100;900;Aeq二口；beq=;vlb=0;0;0;0;0;0;vub=口；x,fval=linprog(c,A,b,Aeq,beq,vlb,vub)例2minz=6x13x24x3st.x1x2X3=120x1.300Mx2<50x3.20解：编写M文件xxgh2.m如下：c=634;A=010;b=50；Aeq=111;b

7、eq=120;vlb=30,0,20;vub二口；x,fval=linprog（c,A,b,Aeq,beq,vlb,vub例3（任务分配问题）某车间有甲、乙两台机床，可用于加工三种工件。假定这两台车床的可用台时数分别为800和900,三种工件的数量分别为400、600和500,且已知用三种不同车床加工单位数量不同工件所需的台时数和加工费用如下表。问怎样分配车床的加工任务，才能既满足加工工件的要求，又使加工费用最低？车床类型单位工件所需加工台时数单位工件的加工费用可用台时数工件1工件2工件3工件1工件2工件3甲0.41.11.013910800乙0.51.21.311128900解设在甲车床上加

8、工工件1、2、3的数量分别为x1、x2、x3,在乙车床上加工工件1、2、3的数量分别为x4、x5、x6o可建立以下线性规划模型：minz=13x19x210x311x412x58x6x1+x4=400x2+x5=600x3+x6=500s.t.40.4x1+1.1x2+x3<8000.5x4+1.2x5+1.3x6<900,xi>0,i=1,2,，6编写M文件xxgh3.m如下:f=1391011128;A=0.41.110000000.51.21.3；b=800；900；Aeq=100100010010001001；beq=400600500;vlb=zeros(6,1);

9、vub=;x,fval=linprog(f,A,b,Aeq,beq,vlb,vub)例4.某厂每日8小时的产量不低于1800件。为了进行质量控制，计划聘请两种不同水平的检验员。一级检验员的标准为：速度25件/小时，正确率98%,计时工资4元/小时；二级检验员的标准为：速度15小时/件，正确率95%,计时工资3元/小时。检验员每错检一次，工厂要损失2元。为使总检验费用最省，该工厂应聘一级、二级检验员各几名？解设需要一级和二级检验员的人数分别为x1、x2人，则应付检验员的工资为：84/83x2=32x124x2因检验员错检而造成的损失为：(8252%x18155%x2)2=8x112x2故目标函数

10、为：minz=(32x124x2)(8x112x2)=40x136x2约束条件为：8父25父为+8父15Mx2之18008M25Mx1<1800815x2M1800x1-0,x2-0线性规划模型：minz=40x136x25x1+3m±45,x1<9s.t.x2<15x1-0,x2-0编写M文件xxgh4.m如下:c=40;36;A=-5-3;精品文档精品文档b=-45;Aeq=;beq=;vlb=zeros(2,1);vub=9;15;%调用linprog函数：x,fval=linprog(c,A,b,Aeq,beq,vlb,vub)结果为：x=9.00000.0

11、000fval=360即只需聘用9个一级检验员。精品文档精品文档Matlab优化工具箱简介1.MATLAB求解优化问题的主要函数类型模型基本函数名一兀函数极小MinF(x)s.t.x1<x<x2x=fminbnd(F',x1,x2)无约束极小MinF(X)X=fminunc(F',X0)X=fminsearch(F',Xo)线性规划MincTXs.t.AX<=bX=linprog(c,A,b)二次规划Minx,Hx+c'x2s.t.Ax<=bX=quadprog(H,c,A,b)约束极小（非线性规划）MinF(X)s.t.G(X)<

12、=0X=fmincon('FG,X。)达到目标问题Minrs.t.F(x)-wr<=goalX=fgoalattain(F',x,goal,w)极小极大问题MinmaxFi(x)XFi(x)s.t.G(x)<=0X=fminimax(FG,x0)变量调用函数描述flinprog,quadprog线性规划白目标函数f*X或二次规划的目标函数X'*H*X+f*X中线性项的系数向量funfminbnd,fminsearch,fminunc,fmincon,lsqcurvefit,lsqnonlin,fgoalattain,fminimax非线性优化的目标函数.fu

13、n必须为行命令对象或帔件、嵌入函数、或MEXC件的名称Hquadprog二次规划的目标函数XJ*H*X+f*X中二次项的系数矩阵A,blinprog,quadprog,fgoalattain,fmincon,fminimaxA邱和b向量分别为线性不等式约束：AXMb中的系数矩阵和右端向量Aeq,beqlinprog,quadprog,fgoalattain,fmincon,fminimaxAeq邱和beq向量分别为线性等式约束：AeqX=beq中的系数矩阵和右端向量vlb,vublinprog,quadprog,fgoalattain,fmincon,fminimax,lsqcurvefit,

14、lsqnonlinX勺下限和上限向量：vlb<X<vubX0除fminbnd外所有优化函数迭代初始点坐标彳底丽数1向输出期量下1fminbnd函数最小化的区间options所有优化函数优化选项参数结构，定义用于优化函数的参数2.优化函数的输入变量使用优化函数或优化工具箱中其它优化函数时，输入变量见下表3.变量描述调用函数x由优化函数求得的值.若exitflag>0,则x为解；否则,x不是最终解，它只是迭代制止时优化过程的值所有优化函数fval解x处的目标函数值linprog,quadprog,fgoalattain,fmincon,fminimax,lsqcurvefit,l

15、sqnonlin,fminbndexitflag描述退出条件：exitflag>0,表目标函数收敛于解x处exitflag=0,表已达到函数评价或迭代的最大次数exitflag<0,表目标函数不收敛output包含优化结果信息的输出结构.Iterations:迭代次数Algorithm:所采用的算法FuncCount:函数评价次数所有优化函数4.控制参数options的设置Options中常用的几个参数的名称、含义、取值如下：(1) Display:显示水平.取值为of'时,不显示输出；取值为iter'时,显示每次迭代的信息；取值为final'时,显示最终结

16、果.默认值为final'.(2) MaxFunEvals:允许进行函数评价的最大次数，取值为正整数.(3) MaxIter:允许进行迭代的最大次数，取值为正整数控制参数options可以通过函数optimset创建或修改。命令的格式如下：(1) options=optimset(optimfun)创建一个含有所有参数名，并与优化函数optimfun相关的默认值的选项结构options.(2) options=optimset(param1,value1,param2,value2,.)创建一个名称为options的优化选项参数，其中指定的参数具有指定值，所有未指定的参数取默认值.(3)

17、 options=optimset(oldops,param1,value1,param2',value2,.)创建名称为oldops的参数的拷贝，用指定的参数值修改oldops中相应的参数.例：opts=optimset(Display','iter','TolFun',1e-8)该语句创建一个称为opts的优化选项结构，其中显示参数设为iter',TolFun参数设为1e-8.用Matlab解无约束优化问题一元函数无约束优化问题minf(x),x1,三x,三x2常用格式如下：(1) x=fminbnd(fun,x1,x2)(2) x=

18、fminbnd(fun,x1,x2,options)(3) x,fval=fminbnd()(4) x,fval,exitflag=fminbnd(.)(5) x,fval,exitflag,output=fminbnd(.)其中(3)、(4)、(5)的等式右边可选用(1)或(2)的等式右边。函数fminbnd的算法基于黄金分割法和二次插值法，它要求目标函数必须是连续函数，并可能只给出局部最优解。例1求f=2e"sinx在0<x<8中的最小值与最大值主程序为wlitil.m:f='2*exp(-x).*sin(x)'fplot(f,0,8);%作图语句xm

19、in,ymin=fminbnd(f,0,8)f1='-2*exp(-x).*sin(x)'xmax,ymax=fminbnd(f1,0,8)xmin=3.9270ymin=-0.0279xmax=0.7854ymax=0.6448例2对边长为3米的正方形铁板，在四个角剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？解设剪去的正方形的边长为x,则水槽的容积为：(3-2x2)x建立无约束优化模型为：miny=-(32x2)x,0Vx<1.5先编写M文彳funO.m如下：functionf=fun0(x)f=-(3-2*x).A2*x;主程序为wliti2.m:

20、x,fval=fminbnd('fun0',0,1.5);xmax=xfmax=-fval运算结果为：xmax=0.5000,fmax=2.0000.即剪掉的正方形的边长为0.5米时水槽的容积最大最大容积为2立方米.2、多元函数无约束优化问题标准型为：minF(X)命令格式为：x=fminunc(fun,X0);或x=fminsearch(fun,X0)x=fminunc(fun,X0,options);或x=fminsearch(fun,X0,options)(3) x,fval=fminunc(.);或x,fval=fminsearch(.)(4) x,fval,exitf

21、lag=fminunc(.);或x,fval,exitflag=fminsearch(5) x,fval,exitflag,output=fminunc(.);或x,fval,exitflag,output=fminsearch(.)说明：?fminsearch是用单纯形法寻优.fminunc的算法见以下几点说明：LargeScale1 fminunc为无约束优化提供了大型优化和中型优化算法。由options中的参数控制：LargeScale=on(默认值),使用大型算法LargeScale=off(默认值),使用中型算法2 fminunc为中型优化算法的搜索方向提供了4种算法，由option

22、s中的参数HessUpdate控制：HessUpdate=bfgs(默认值)，拟牛顿法的BFGS公式；HessUpdate=dfp，拟牛顿法的DFP公式；HessUpdate=steepdesc，最速下降法3 fminunc为中型优化算法的步长一维搜索提供了两种算法，由options中参数LineSearchType控制：LineSearchType=quadcubic(缺省值)，混合的二次和三次多项式插值；LineSearchType=cubicpoly，三次多项式插?使用fminunc和fminsearch可能会得到局部最优解.例3minf(x)=(4x12+2x22+4x1x2+2x2+

23、1)*exp(x1)1、编写M-文件fun1.m:functionf=fun1(x)f=exp(x(1)*(4*x(142+2*x(2)A2+4*x(1)*x(2)+2*x(2)+1);2、输入M文件wliti3.m如下:x0=-1,1;x=fminunc(fun1,x0);y=fun1(x)3、运行结果:x=0.5000-1.0000y=1.3029e-10例4Rosenbrock函数f(x1，x2)=100(x2-x1 为 获得直观认识，先画出 Rosenbrock 函数的三维图形,输入以下命令：x,y=meshgrid(-2:0.1:2,-1:0.1:3);z=100*(y-x.A2).

24、A2+(1-x).A2; mesh(x,y,z) 画出 Rosenbrock 函数的等高线图 , 输入命令： contour(x,y,z,20) hold onplot(-1.2,2,' o ');text(-1.2,2,'start point') plot(1,1,'o')text(1,1,'solution')3.用 fminsearch 函数求解)2+(1-x1)2的最优解(极小)为x*=(1，1)，极小值为f*=0.试用不同算法(搜索方向和步长搜索)求数值最优解.初值选为x0=(-1.2,2).输入命令：f='1

25、00*(x(2)-x(1)A2)A2+(1-x(1)A2'x,fval,exitflag,output=fminsearch(f,-1.22)运行结果：x=1.00001.0000fval=1.9151e-010exitflag=1output=iterations:108funcCount:202algorithm:'Nelder-Meadsimplexdirectsearch4.用fminunc函数建立M-文件fun2.mfunctionf=fun2(x)f=100*(x(2)-x(1)A2)A2+(1-x(1)A2(2)主程序wliti44.mRosenbrock函数不同

26、算法的计算结果搜索方向步长搜索最优解最优值迭代次数BFGS混合二、三次插值(0.9996,0.9992)2.3109父10，155三次插值(1.0001,1.0002)2.3943父10"132DFP混合二、三次插值(0.9995,0.9990)2.6223父10，151三次插值(0.8994,0.7995)0.0192204最速卜降混合二、三次插值(-1.1634,1.3610)4.6859204(0.9446,0.8920)0.00318002(0.9959,0.99161.8543父109002单纯形法(1.0000,1.0000)1.9151父10,°202可以看出

27、，最速下降法的结果最差.因为最速下降法特别不适合于从一狭长通道到达最优解的情况.例5产销量的最佳安排某厂生产一种产品有甲、乙两个牌号，讨论在产销平衡的情况下如何确定各自的产量，使总利润最大.所谓产销平衡指工厂的产量等于市场上的销量符号说明z(x1,x2)表示总利润;P1,q1,x1分别表示甲的价格、成本、销量；P2,q2,x2分别表示乙的价格、成本、销量；aj,bi,入i,ci(i,j=1,2)是待定系数.基本假设1.价格与销量成线性关系利润既取决于销量和价格，也依赖于产量和成本。按照市场规律，甲的价格pi会随其销量X1的增长而降低，同时乙的销量X2的增长也会使甲的价格有稍微的下降，可以简单地

28、假设价格与销量成线性关系，即：pi=bi-a11xi-a12X2,bi,aii,2>0,且aii>a12；同理，p2=b2-a21xi-a22X2,b2,&i,a2>02.成本与产量成负指数关系甲的成本随其产量的增长而降低，且有一个渐进值，可以假设为负指数关系，即：qi=rie-Ax1+a，r1,及，c>°同理，q2=上-*2+C2，2,%,C2A0模型建立总、利润为:z(x1,x2)=(p1-q1)x1+(p2-q2)x2若根据大量的统计数据，求出系数b1=100,a11=1,a12=0.1,b2=280,a21=0.2,a22=2,r1=30,入1

29、=0.015,c1=20,r2=100,入2=0.02,c2=30，贝U问题转化为无约束优化问题：求甲，乙两个牌号的产量xi,x2,使总利润z最大.为简化模型，先忽略成本，并令a12=0,a21=0,问题转化为求：zi=(bi-aiixi)xi+(b2-a22x2)x2的极值.显然其解为xi=b1/2a11=50,x2=b2/2a22=70,我们把它作为原问题的初始值.模型求解1 .建立M-文件fun.m:functionf=fun(x)y1=(100-x(1)-0.1*x(2)-(30*exp(-0.015*x(1)+20)*x(1);y2=(280-0.2*x(1)-2*x(2)-(100

30、*exp(-0.02*x(2)+30)*x(2);f=-y1-y2;2 .输入命令：x0=50,70;x=fminunc(fun',x0),z=fun(x)3 .计算结果：x=23.9025,62.4977,z=6.4135e+003即甲的产量为23.9025，乙的产量为62.4977，最大利润为6413.5.非线性规划1、二次规划标准型为：MinZ=IXTHX+cTXs.t.AX<=bAeqX=beqVLBWXWVUB用MATLAB软件求解，其输入格式如下：1. x=quadprog(H,C,A,b);2. x=quadprog(H,C,A,b,Aeq,beq);3. x=qu

31、adprog(H,C,A,b,Aeq,beq,VLB,VUB);4. x=quadprog(H,C,A,b,Aeq,beq,VLB,VUB,X0);5. x=quadprog(H,C,A,b,Aeq,beq,VLB,VUB,X0,options);6. x,fval=quaprog(.);7. x,fval,exitflag=quaprog(.);8. x,fval,exitflag,output=quaprog(.);例1minf(x1,x2)=-2x1-6x2+x12-2x1x2+2x22s.t.x1+x2<2-x1+2x2W2x1>0,x2>0-1"x1、II

32、 1 I2 x2十ixx21、写成标准形式：1minz二(Xi,X2).-1riiYxi)2、1<2、输入命令：H=1-1;-12;c=-2；-6;A=11;-12;b=2;2;Aeq=;beq=;VLB=0;0;VUB=;x,z=quadprog(H,c,A,b,Aeq,beq,VLB,VUB)3、运算结果为：x=0.66671.3333z=-8.2222般非线性规划s.t标准型为：min F(X)AX<=bCeq(X)=0 VLB 其中X为n维变元向量, 性规划、二次规划中相同A e q X = b e q G(X) 40 _X_VUBG(X)与Ceq(X)均为非线性函数组成的

33、向量，其它变量的含义与线 .用Matlab求解上述问题，基本步骤分三步：1 .首先建立M文件fun.m,定义目标函数F(X):functionf=fun(X);f=F(X);2 .3 .若约束条件中有非线性约束：G(X)M0或Ceq(X)=0，则建立M文件nonlcon.m定义函数G(X)与Ceq(X):functionG,Ceq=nonlcon(X)G=.Ceq=.3.建立主程序.非线性规划求解的函数是fmincon,命令的基本格式如下：(1) x=fmincon(fun,X0,A,b)(2) x=fmincon(fun,X0,A,b,Aeq,beq)(3) x=fmincon(fun,X0

34、,A,b,Aeq,beq,VLB,VUB)(4) x=fmincon(fun,X0,A,b,Aeq,beq,VLB,VUB,nonlcon)(5)x=fmincon(fun,X0,A,b,Aeq,beq,VLB,VUB,nonlcon,options)(6) x,fval=fmincon(.)(7) x,fval,exitflag=fmincon(.)(8)x,fval,exitflag,output=fmincon(.)注意：1 fmincon函数提供了大型优化算法和中型优化算法。默认时，若在fun函数中提供了梯度(options参数的GradObj设置为or)；并且只有上下界存在或只有等式

35、约束，fmincon函数将选择大型算法。当既有等式约束又有梯度约束时，使用中型算法。2 fmincon函数的中型算法使用的是序列二次规划法。在每一步迭代中求解二次规划子问题，并用BFGS法更新拉格朗日Hessian矩阵。3 fmincon函数可能会给出局部最优解，这与初值X0的选取有关。例2minf=x1-2x2-x2-x2222x13x2<6s.t.x14x2<5x1,x2,01、与成标准?mnf=_2x2+-x12+-x2222x13x26012<x14x2-500x1ii10x22、先建立M-文件fun3.m:functionf=fun3(x);f=-x(1)-2*x(2)+(1/2)*x(1)A2+(1/2)*x(2)A23、再建立主程序youh2.m：x0=1;1;A=23;14;b=6;5;A