4、f'*xsub.toA*x<=b线性规划的最优解。x=linprog(f,A,b,Aeq,beq)%等式约束，若没有不等式约束，则A=[]，b=[]。x=linprog(f,A,b,Aeq,beq,lb,ub)%指定x的范围，若没有等式约束，则Aeq=[]，beq=[]x=linprog(f,A,b,Aeq,beq,lb,ub,x0)%设置初值x0x=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
5、，即fval=f'*x。[x,lambda,exitflag]=linprog(…)%lambda为解x的Lagrange乘子。[x,lambda,fval,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表示超过函数估值或迭代的最大数字，exitflag<0表示函数不收敛于解x；若lambda=lowe
6、r表示下界lb，lambda=upper表示上界ub，lambda=ineqlin表示不等式约束，lambda=eqlin表示等式约束，lambda中的非0元素表示对应的约束是有效约束；output=iterations表示迭代次数，output=algorithm表示使用的运算规则，output=cgiterations表示PCG迭代次数。2.非线性规划问题利用函数fminbnd求有约束的一元函数的最小值格式x=fminbnd(fun,x1,x2)x=fminbnd(fun,x1,x2,options)%optio
7、ns为指定优化参数选项[x,fval]=fminbnd(…)%fval为目标函数的最小值[x,fval,exitflag]=fminbnd(…)%xitflag为终止迭代的条件[x,fval,exitflag,output]=fminbnd(…)%output为优化信息命令利用函数fminsearch求无约束多元函数最小值函数fminsearch格式x=fminsearch(fun,x0)%x0为初始点，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。x=fminsearch(fun,x0,optio
8、ns)%options查optimset[x,fval]=fminsearch(…)%最优点的函数值[x,fval,exitflag]=fminsearch(…)%exitflag与单变量情形一致[x,fval,exitflag,output]=fminsearch(…)%output与单变量情形一致注意：fminsearch采用了Nelder
