资源描述：
《Matlab优化工具箱详解》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、Matlab优化工具箱详解(2008-10-2009:15:00)标签：文化 1．fminbnd进行有约束的一元函数最小值求解。它的求解命令是：X=FMINBND(FUN,x1,x2)，FUN是目标函数，可以为表达式字符串或MATLAB自定义函数的函数柄，要求解在约束x1<=X<=x2下的最优解X*。还有其他一些求解命令是：x=fminbnd(fun,x1,x2,options) %options为指定优化参数选项，由OPTIMSET设定[x,fval]=fminbnd(…) %fval为目标函数的最小值[x,fval,exitflag]=f
2、minbnd(…) %exitflag为终止迭代的原因[x,fval,exitflag,output]=fminbnd(…) %output为优化信息说明：若参数exitflag>0，表示函数收敛于x，若exitflag=0，表示达到了最大迭代次数，exitflag<0表示函数不收敛于x；若参数output=iterations表示迭代次数，output=funccount表示函数赋值次数，output=algorithm表示所使用的算法。例子：要求解f(x)=x3-2x-5在（0，2）之间最优解，求解命令如下：f=@(x)x.^3-2*x-
3、5;x=fminbnd(f,0,2)； 2．fminsearch进行多变量函数的无约束优化。格式主要有：x=fminsearch(fun,x0)；%对函数fun，从x0开始搜索最优值，返回最优变量xx=fminsearch(fun,x0,options)；%可以用optimset设置一些优化选项；[x,fval]=fminsearch(...)；%返回feval为最优函数值；[x,fval,exitflag]=fminsearch(...)；%exitflag与fminbnd类似；[x,fval,exitflag,output]=fminsear
4、ch(...)；%output与fminbnd类似；例子：要求函数f(x)=100*(x(2)-x(1)^2)^2+(1-x(1))^2的最小值，用fminsearch求解如下：fun=@(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;[x,fval]=fminsearch(fun,[-1.2,1])； 3．fminunc与fminsearch一样，也是对多变量无约束函数优化。指令格式：x=fminunc(fun,x0)x=fminunc(fun,x0,options)[x,fval]=fminunc(...)[x,fval,
5、exitflag]=fminunc(...)[x,fval,exitflag,output]=fminunc(...)[x,fval,exitflag,output,grad]=fminunc(...)；%grad为解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。从算法上来讲，当函数的阶数大于2时，fminunc比fminsearch更有效，因为它采用了基于梯度的优化算法，而fminsearch采用的是Nelder-Mead型简单搜
6、寻法，但是，正因为这样，当函数不连续时，fminsearch的效果反而更好。 4．fmincon对有约束的多变量函数巡优。格式：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,exit
7、flag]=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(...)其中一些参数的定义见非线性有约束多变量函数的标准形式：minf(x)sub.to C(x)<=0 Ceq(x)=0
8、 A*x<=b Aeq*x=beq lb<=x<=ub其中非线性不等式C(x)和等式C
