MATLAB多维无约束最小化函数 fminunc 、fminsearch与多维有约束函数fmincon

本文主要是介绍MATLAB多维无约束最小化函数 fminunc 、fminsearch与多维有约束函数fmincon,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、多维无约束最小化函数 fminunc

1、函数模型

min f(x),式中f(x)为无约束多变量函数,x是向量或矩阵

2、调用格式

x = fminunc(fun,x0)

matlab代码

%% 多维无约束极值
f=@(x) (x(1)^2+2*x(1))*exp(-x(1)^2-x(2)^2-x(1)*x(2))
x0=[0 0];
[x,favl]=fminunc(f,x0)%绘制处函数图形,判断求解是否正确
X=-10:0.1:10;
Y=X;
[x,y]=meshgrid(X,Y);
f=(x.^2+2*x).*exp(-x.^2-y.^2-x.*y);
mesh(x,y,f)

x = fminunc(fun,x0,options)

syms x y
f=(x^2+2*x)*exp(-x^2-x^2-x*y);% f=@(x) (x(1)^2+2*x(1))*exp(-x(1)^2-x(2)^2-x(1)*x(2))
% x0=[1 1];
% options=optimoptions('fminunc','Algorithm','trust-region','SpecifyObjectiveGradient',true)
options=optimoptions('fminunc','Algorithm','quasi-newton','PlotFcns',@optimplotfval)[x,favl]=fminunc(f,x0,options)%提供梯度文件
function [f,g]=TD(x)f = (x(1)^2+2*x(1))*exp(-x(1)^2-x(2)^2-x(1)*x(2));if nargout > 1 % gradient requiredg = [exp(- 2*x(1)^2 - x(2)*x(1))*(2*x(1) + 2) - exp(- 2*x(1)^2 - x(2)*x(1))*(x(1)^2 + 2*x(1))*(4*x(1) + x(2))-x(1)*exp(- 2*x(1)^2 - x(2)*x(1))*(x(1)^2 + 2*x(1))];
end
options=optimoptions('fminunc','Algorithm','trust-region','SpecifyObjectiveGradient',true)
x0=[1 1][x,favl]=fminunc(@TD,x0,options)

x = fminunc(problem)

problem.options = options;
problem.x0 = [-1,2];
problem.objective = @rosenbrockwithgrad;
problem.solver = 'fminunc';x = fminunc(problem)

[x,fval] = fminunc(___)

返回极值点函数值fval

[x,fval,exitflag,output] = fminunc(___)

返回一个描述fminunc退出条件的值exitflag,以及一个包含有关优化过程信息的结构输出。

[x,fval,exitflag,output,grad,hessian] = fminunc(___)

返回梯度grad和海塞矩阵hessian

3、关于meshgrid的一点说明

在画一个二维图形或者三维图形的时候,我们需要指定一个二维平面或者三维空间。就像绘制一维图形需要指定自变量x的范围一样。

X=-10:0.1:10; 
Y=X;
[x,y]=meshgrid(X,Y);
f=(x.^2+2*x).*exp(-x.^2-y.^2-x.*y);
mesh(x,y,f)

以如下代码为例,其绘制出的图形的二维平面的范围与X和Y相同,是一个矩阵,该矩阵如下所示(这里仅展示x的矩阵)。

二、多维无约束最小化函数 fminsearch

1、目标模型

其目标模型与fminunc相同,不同的是该函数使用无导数方法查找无约束的多元函数的最小值,而fminunc使用有导数方法。

2、调用格式

x = fminsearch(fun,x0)

f=@(x) (x(1)^2+2*x(1))*exp(-x(1)^2-x(2)^2-x(1)*x(2))
x0=[0 0];
[x,fval]=fminsearch(f,x0)

x = fminsearch(fun,x0,options)

% 显示函数值的求解
x0=[0 0];
options = optimset('PlotFcns',@optimplotfval);
[x,fval]=fminsearch(@demo_9_28_1,x0,options);

x = fminsearch(problem)

返回极值点x

[x,fval] = fminsearch(___)

返回极值点函数值fval

[x,fval,exitflag] = fminsearch(___)

返回一个描述退出条件的值exitflag。

[x,fval,exitflag,output] = fminsearch(___)

返回带有有关优化过程信息的结构输出output。

三、多维无约束最小化函数 fmincon

1、目标模型

min  f(x)

 s.t  A*x<=b           线性不等式约束

       Aeq*x=beq     线性等式约束

       c(x)<=0          非线性不等式约束

       ceq*x=0         非线性等式约束

      lb=<x<=ub       最优解x的上下界

2、调用格式

x = fmincon(fun,x0,A,b) 线性不等式约束

f=@(x) -x(1)*x(2)*x(3);
A=[-1 -1 -1;1 2 2]
b=[20 5]
x0=[1 1 1];
[x,fval]=fmincon(f,x0,A,b,[],[])

x = fmincon(fun,x0,A,b,Aeq,beq)   线性不等式约束+等式约束

f=@(x) -x(1)*x(2)*x(3);
A=[-1 -1 -1;1 2 2]
b=[20 5]
x0=[1 1 1];
Aeq=[1 1 0];
beq=4
[x,fval]=fmincon(f,x0,A,b,Aeq,beq)

x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)  线性不等式约束+等式约束+x的上下界

f=@(x) -x(1)*x(2)*x(3);
A=[-1 -1 -1;1 2 2]
b=[20 5]
x0=[1 1 1];
Aeq=[1 1 0];
beq=4
lb=[4 2 1]
[x,fval]=fmincon(f,x0,A,b,Aeq,beq,lb)

x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)  线性不等式约束+等式约束+x的上下界+非线性约束

function [c,ceq]=con(u) %非线性约束函数文件
x=u(1);
y=u(2);
z=u(3);
c=[];
ceq=x*y+x*z+y*z-80;f=@(x) -x(1)*x(2)*x(3);
x0=[5 5 5];
[x,fval]=fmincon(f,x0,[],[],[],[],[],[],@con)

x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options) 线性不等式约束+等式约束+x的上下界+非线性约束+选项设置

function [f,g]=con1(u) %函数与梯度的.m文件
x=u(1);
y=u(2);
z=u(3);
f=-x*y*z;
if nargout > 1 % gradient requiredg = [-y*z-x*z-x*y;];
endfunction [c,ceq]=demo_9_29_1(u)
x=u(1);
y=u(2);
z=u(3);
c=[];
ceq=x*y+x*z+y*z-80;
end%% 提供梯度
options = optimoptions('fmincon','SpecifyObjectiveGradient',true);
syms x y z
ff=-x*y*z;
g=gradient(ff);
x0=[5 5 5];
[x,fval]=fmincon(@con1,x0,[],[],[],[],[],[],@con)

x = fmincon(problem)  

[x,fval] = fmincon(___)  返回最优解x和该点函数值fval

[x,fval,exitflag,output] = fmincon(___) 返回函数退出条件exitflag和有关优化过程信息的结构输出output

[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(___)

 

这篇关于MATLAB多维无约束最小化函数 fminunc 、fminsearch与多维有约束函数fmincon的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/680269

相关文章

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

C# Where 泛型约束的实现

《C#Where泛型约束的实现》本文主要介绍了C#Where泛型约束的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录使用的对象约束分类where T : structwhere T : classwhere T : ne

shell编程之函数与数组的使用详解

《shell编程之函数与数组的使用详解》:本文主要介绍shell编程之函数与数组的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录shell函数函数的用法俩个数求和系统资源监控并报警函数函数变量的作用范围函数的参数递归函数shell数组获取数组的长度读取某下的

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL高级查询之JOIN、子查询、窗口函数实际案例

《MySQL高级查询之JOIN、子查询、窗口函数实际案例》:本文主要介绍MySQL高级查询之JOIN、子查询、窗口函数实际案例的相关资料,JOIN用于多表关联查询,子查询用于数据筛选和过滤,窗口函... 目录前言1. JOIN(连接查询)1.1 内连接(INNER JOIN)1.2 左连接(LEFT JOI

MySQL中FIND_IN_SET函数与INSTR函数用法解析

《MySQL中FIND_IN_SET函数与INSTR函数用法解析》:本文主要介绍MySQL中FIND_IN_SET函数与INSTR函数用法解析,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一... 目录一、功能定义与语法1、FIND_IN_SET函数2、INSTR函数二、本质区别对比三、实际场景案例分

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

C语言函数递归实际应用举例详解

《C语言函数递归实际应用举例详解》程序调用自身的编程技巧称为递归,递归做为一种算法在程序设计语言中广泛应用,:本文主要介绍C语言函数递归实际应用举例的相关资料,文中通过代码介绍的非常详细,需要的朋... 目录前言一、递归的概念与思想二、递归的限制条件 三、递归的实际应用举例(一)求 n 的阶乘(二)顺序打印

C/C++错误信息处理的常见方法及函数

《C/C++错误信息处理的常见方法及函数》C/C++是两种广泛使用的编程语言,特别是在系统编程、嵌入式开发以及高性能计算领域,:本文主要介绍C/C++错误信息处理的常见方法及函数,文中通过代码介绍... 目录前言1. errno 和 perror()示例:2. strerror()示例:3. perror(