数学建模常用的matlab求解命令.docx
《数学建模常用的matlab求解命令.docx》由会员分享,可在线阅读,更多相关《数学建模常用的matlab求解命令.docx(10页珍藏版)》请在冰豆网上搜索。
数学建模常用的matlab求解命令
数学建模常用的matlab求解命令
一、数学规划模型的matlab求解
1.线性规划问题
MATLAB中,线性规划问题(Linear Programming)的求解使用的是函数linprog。
函数 linprog 格式 x = linprog(f,A,b)
%求min f ' *x sub.to A*x<=b 线性规划的最优解。
x = linprog(f,A,b,Aeq,beq)
%等式约束Aeq*x=beq。
x = linprog(f,A,b,Aeq,beq,lb,ub)
%指定x的范围LB<=X<=UB
x = linprog(f,A,b,Aeq,beq,lb,ub,x0) %设置初值x0
x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options)
% options为指定的优化参数
[x,fval] = linprog(…)
% 返回目标函数最优值,即fval= f ' *x。
[x,fval,lambda] = linprog(…)
% lambda为解x的Lagrange乘子。
[x, fval,lambda,exitflag] = linprog(…)
% exitflag为终止迭代的错误条件。
[x,fval, lambda,exitflag,output] = linprog(…)
% output为关于优化的一些信息说明 :
若exitflag>0表示函数收敛于解x,exitflag=0表示超过函
%function[f,g]=fun(x)
f=x
(1)^2+2*x
(1)*x
(2)+x
(2)^2;%function
g=[2*x
(1)+2*x
(2)
2*x
(1)+2*x
(2)];%gradient
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。
4)利用fmincon
求线性有约束的多元函数的最小值函数
fmincon 格式如下
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(…)
3.二次规划问题 函数
quadprog
格式 x = quadprog(H,f,A,b)
%其中H,f,A,b为标准形中的参数,x为目标函数的最小值。
x = quadprog(H,f,A,b,Aeq,beq) %Aeq,beq满足等约束条件 。
目标函数表示成如下矩阵形式:
约束条件写成如下形式:
x = quadprog(H,f,A,b,Aeq,beq,lb,ub)
% lb,ub分别为解x的下界与上界。
x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0)
%x0为设置的初值
x = quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options)
% options为指定的优化参数
[x,fval] = quadprog(…)
%fval为目标函数最优值
[x,fval,exitflag] = quadprog(…)
% exitflag与线性规划中参数意义相同
[x,fval,exitflag,output] = quadprog(…)
% output与线性规划中参数意义相同
[x,fval,exitflag,output,lambda] = quadprog(…)
% lambda与线性规划中参数意义相同
4. 极小化极大(Minmax)问题
函数 fminimax
格式如下
x = fminimax(fun,x0)
x = fminimax(fun,x0,A,b)
x = fminimax(fun,x0,A,b,Aeq,beq)
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub)
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
[x,fval,maxfval] = fminimax(…)
[x,fval,maxfval,exitflag] = fminimax(…)
[x,fval,maxfval,exitflag,output] = fminimax(…)
[x,fval,maxfval,exitflag,output,lambda] = fminimax(…)
5.多目标规划问题
函数 fgoalattain
格式 x = fgoalattain(fun,x0,goal,weight)
x = fgoalattain(fun,x0,goal,weight,A,b)
x = fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq)
x = fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub)
x = fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon)
x = fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options)
[x,fval] = fgoalattain(…)
[x,fval,attainfactor] = fgoalattain(…)
[x,fval,attainfactor,exitflag] = fgoalattain(…)
[x,fval,attainfactor,exitflag,output] = fgoalattain(…)
[x,fval,attainfactor,exitflag,output,lambda] = fgoalattain(…)
6.最小二乘最优问题
有约束线性最小二乘 函数 lsqlin
格式 x = lsqlin(C,d,A,b)
%求在约束条件 下,方程Cx = d的最小二乘解x。
x = lsqlin(C,d,A,b,Aeq,beq)
x = lsqlin(C,d,A,b,Aeq,beq,lb,ub)
x = lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0)
% x0为初始解向量
x = lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0,options)
% options为指定优化参数
[x,resnorm] = lsqlin(…)
% resnorm=norm(C*x-d)^2,即2-范数。
[x,resnorm,residual] = lsqlin(…)
%residual=C*x-d,即残差。
[x,resnorm,residual,exitflag] = lsqlin(…)
%exitflag为终止迭代的条件
[x,resnorm,residual,exitflag,output] = lsqlin(…)
% output表示输出优化信息
[x,resnorm,residual,exitflag,output,lambda] = lsqlin(…)
% lambda为解x的Lagrange乘子
7、非线性数据(曲线)拟合 函数
lsqcurvefit
格式 x = lsqcurvefit(fun,x0,xdata,ydata)
x = lsqcurvefit(fun,x0,xdata,ydata,lb,ub)
x = lsqcurvefit(fun,x0,xdata,ydata,lb,ub,options)
[x,resnorm] = lsqcurvefit(…)
[x,resnorm,residual] = lsqcurvefit(…)
[x,resnorm,residual,exitflag] = lsqcurvefit(…)
[x,resnorm,residual,exitflag,output] = lsqcurvefit(…)
[x,resnorm,residual,exitflag,output,lambda] = lsqcurvefit(…)
8、非线性最小二乘 函数
lsqnonlin
格式 x = lsqnonlin(fun,x0)
%x0为初始解向量;fun为 ,i=1,2,…,m,fun返回向量值F,而不是平方和值,平方和隐含在算法中,fun的定义与前面相同。
x = lsqnonlin(fun,x0,lb,ub) %lb、ub定义x的下界和上界 。
x = lsqnonlin(fun,x0,lb,ub,options) %options为指定优化参数,若x没有界,则lb=[ ],ub=[ ]。
[x,resnorm] = lsqnonlin(…)
% resnorm=sum(fun(x).^2),即解x处目标函数值。
[x,resnorm,residual] = lsqnonlin(…)
% residual=fun(x),即解x处fun的值。
[x,resnorm,residual,exitflag] = lsqnonlin(…)
%exitflag为终止迭代条件。
[x