第五讲 规划问题的matlab计算.ppt

第五讲 利用matlab计算优化问题 一、利用matlab求解线性规划 例2 例3 例4 二、0-1整数规划 例5 例6 0-1指派问题 三、无约束优化 3.1 最速下降法 例7 利用最速下降法计算无约束优化问题 3.2 牛顿算法 例8 利用DFP和BFGS计算无约束优化问题 3.4 单纯形法（可变多面体法） 四 约束优化 1、语法说明 例9 函数实例（1） 例10 函数实例（2） 例11 函数实例（3） 例12 含参数的函数实例（4） 五、多目标规划的计算 1、matlab内置多目标函数 2、函数语句 例14 函数示例 先编制目标函数的m文件： function f=shili1(x) f=-x(1)*x(2)*x(3); clear options=optimset(LargeScale,off,display,iter); x0=[10,10,10]; A=[-1 -2 -2;1 2 2]; b=[0;72]; [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(@shili1,x0,A,b,[],[],[],[],[],options) x = 24.0000 12.0000 12.0000 fval = -3.4560e+003 exitflag = 5 output = iterations: 12 funcCount: 53 lssteplength: 1 stepsize: 4.6582e-005 algorithm: medium-scale: SQP, Quasi-Newton, line-search firstorderopt: 4.7485e-004 constrviolation: 0 message: [1x777 char] lambda = lower: [3x1 double] upper: [3x1 double] eqlin: [0x1 double] eqnonlin: [0x1 double] ineqlin: [2x1 double] ineqnonlin: [0x1 double] 在例1的基础上，提供目标函数的梯度向量。 如例1一样计算。有小小的改进。 options=optimset(LargeScale,off,gradobj,on,display,iter); 先编写目标函数的M文件 function f=shili3(x) n=length(x); f=0; for k=1:10 f=f-exp(x(i)*sin(x(i))); end 再编写约束的M文件 function [c,ceq]=shili3con(x) c=sum(x.^2)-100; ceq=sum(x)-20; x = 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 2.0000 fval = -61.6319 exitflag = 1 output = iterations: 2 funcCount: 22 lssteplength: 1 stepsize: 7.0945e-007 algorithm: medium-scale: SQP, Quasi-Newton, line-search firstorderopt: 3.2126e-007 constrviolation: 0 message: [1x788 char] 编制目标函数的M文件 function f=shili4(x,a) f=sum((x-a).^2); 再编制约束的M文件 function [c,ceq]=shili4con(x,b) c=[]; ceq=sum(x)-b; options=optimset(LargeScale,off,display,off); a=[1 2 3 4 5];b=15; x0=ones(1,5); [x,fval,exitflag,output]=fmincon(@(x)shili4(x,a),x0,[],[],[],[],zeros(1,5),10*ones(1,5),@(x)shili4con(x,b),options) （要特别注意目标和