matlab线性规划.docx
《matlab线性规划.docx》由会员分享,可在线阅读,更多相关《matlab线性规划.docx(18页珍藏版)》请在冰豆网上搜索。
matlab线性规划
用MATLAB优化工具箱解线性规划
命令:
x=linprog(c,A,b)
2、模型:
命令:
x=linprog(c,A,b,Aeq,beq)
注意:
若没有不等式:
存在,则令A=[],b=[].若没有等式约束,则令Aeq=[],beq=[].
3、模型:
命令:
[1]x=linprog(c,A,b,Aeq,beq,VLB,VUB)
[2]x=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1max
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=[];beq=[];
vlb=[0;0;0;0;0;0];vub=[];
[x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub)
例2
解:
编写M文件xxgh2.m如下:
c=[634];
A=[010];
b=[50];
Aeq=[111];
beq=[120];
vlb=[30,0,20];
vub=[];
[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?
解设在甲车床上加工工件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、x6。
可建立以下线性规划模型:
编写M文件xxgh3.m如下:
f=[1391011128];
A=[0.41.11000
0000.51.21.3];
b=[800;900];
Aeq=[100100
010010
001001];
beq=[400600500];
vlb=zeros(6,1);
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:
因检验员错检而造成的损失为:
故目标函数为:
约束条件为:
线性规划模型:
编写M文件xxgh4.m如下:
c=[40;36];
A=[-5-3];
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=
9.0000
0.0000
fval=360
即只需聘用9个一级检验员。
Matlab优化工具箱简介
1.MATLAB求解优化问题的主要函数
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.优化函数的输出变量下表:
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’off’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)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
常用格式如下:
(1)x=fminbnd(fun,x1,x2)
(2)x=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
在0主程序为wliti1.m:
f='2*exp(-x).*sin(x)';
fplot(f,[0,8]);%作图语句
[xmin,ymin]=fminbnd(f,0,8)
f1='-2*exp(-x).*sin(x)';
[xmax,ymax]=fminbnd(f1,0,8)
运行结果:
xmin=3.9270ymin=-0.0279
xmax=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?
先编写M文件fun0.m如下:
functionf=fun0(x)
f=-(3-2*x).^2*x;
主程序为wliti2.m:
[x,fval]=fminbnd('fun0',0,1.5);
xmax=x
fmax=-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:
(1)x=fminunc(fun,X0);或x=fminsearch(fun,X0)
(2)x=fminunc(fun,X0,options);
或x=fminsearch(fun,X0,options)
(3)[x,fval]=fminunc(...);
或[x,fval]=fminsearch(...)
(4)[x,fval,exitflag]=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:
[1]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LargeScale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
options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+1)*exp(x1)
1、编写M-文件fun1.m:
functionf=fun1(x)
f=exp(x
(1))*(4*x
(1)^2+2*x
(2)^2+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=0.5000-1.0000
y=1.3029e-10
例4Rosenbrock函数f(x1,x2)=100(x2-x12)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).
1.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.^2).^2+(1-x).^2;
mesh(x,y,z)
2.画出Rosenbrock函数的等高线图,输入命令:
contour(x,y,z,20)
holdon
plot(-1.2,2,'o');
text(-1.2,2,'startpoint')
plot(1,1,'o')
text(1,1,'solution')
3.用fminsearch函数求解
输入命令:
f='100*(x
(2)-x
(1)^2)^2+(1-x
(1))^2';
[x,fval,exitflag,output]=fminsearch(f,[-1.22]