Matlab在最优化问题中的应用.docx

Matlab在最优化问题中的应用优化理论是一门实践性很强的学科广泛应用于生产管理、军事指挥和科学试验等各种领域Matlab优化工具箱提供了对各种优化问题的一个完整的解决方案。在数学上所谓优化问题就是求解如下形式的最优解：Minfun(x)Sub.to[C.E.][B.C.]其中fun(x)称为目标函数“Sub.to”为“subjectto”的缩写由其引导的部分称为约束条件。[C.E.]表示ConditionEquations即条件方程可为等式方程也可为不等式方程。[B.C.]表示BoundaryConditions即边界条件用来约束自变量的求解域以lb≤x≤ub的形式给出。当[C.E.]为空时此优化问题称为自由优化或无约束优化问题；当[C.E.]不空时称为有约束优化或强约束优化问题。在优化问题中根据变量、目标函数和约束函数的不同可以将问题大致分为：·线性优化目标函数和约束函数均为线性函数。·二次优化目标函数为二次函数而约束条件为线性方程。线性优化和二次优化统称为简单优化。·非线性优化目标函数为非二次的非线性函数或约束条件为非线性方程。·多目标优化目标函数并非一个时称为多目标优化问题。本章将对以上几类优化问题在Matlab中的实现作比较详细的讲解。另外还将介绍两个利用优化方法解非线性方程的函数。通过本章的介绍用户可以不必掌握艰涩的各种优化算法而轻易地解决一些常用的最优化问题了。10.1线性规划问题线性规划问题即目标函数和约束条件均为线性函数的问题。其标准形式为：minC’xsub.ToAx=bx≥0其中Cb0∈RnA∈Rmn均为数值矩阵x∈Rn。若目标函数为：maxC’x则转换成：min–C’x。标准形式的线性规划问题简称为LP（LinearProgramming）问题。其它形式的线性规划问题经过适当的变换均可以化为此种标准形。线性规划问题虽然简单但在工农业及其他生产部门中应用十分广泛。在Matlab中线性规划问题由linprog函数求解。函数：linprog%求解如下形式的线性规划问题：suchthat其中fxbbeqlbub为向量AAeq为矩阵。格式：x=linprog(fAb)x=linprog(fAbAeqbeq)x=linprog(fAbAeqbeqlbub)x=linprog(fAbAeqbeqlbubx0)x=linprog(fAbAeqbeqlbubx0options)[xfval]=linprog(...)[xfvalexitflag]=linprog(...)[xfvalexitflagoutput]=linprog(...)[xfvalexitflagoutputlambda]=linprog(...)说明：x=linprog(fAb)求解问题minf’*x约束条件为A*x<=b。x=linprog(fAbAeqbeq)求解上面的问题但增加等式约束即Aeq*x=beq。若没有不等式存在则令A=[]、b=[]。x=linprog(fAbAeqbeqlbub)定义设计变量x的下界lb和上界ub使得x始终在该范围内。若没有等式约束令Aeq=[]、beq=[]。x=linprog(fAbAeqbeqlbubx0)设置初值为x0。该选项只适用于中型问题默认时大型算法将忽略初值。x=linprog(fAbAeqbeqlbubx0options)用options指定的优化参数进行最小化。[xfval]=linprog(...)返回解x处的目标函数值fval。[xfvalexitflag]=linprog(...)返回exitflag值描述函数计算的退出条件。[xfvalexitflagoutput]=linprog(...)返回包含优化信息的输出变量output。[xfvalexitflagoutputlambda]=linprog(...)将解x处的Lagrange乘子返回到lambda参数中。exitflag参数描述退出条件：·>0表示目标函数收敛于解x处；·=0表示已经达到函数评价或迭代的最