本文主要是介绍非线形优化 Matlab和Python （含01规划），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！
MATLAB：fmincon
在matlab中，一般使用fmincon来解决非线性优化问题
[x,fval,exitflag,output,lambda,grad,hessian]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
一般使用：
[x,fval,exitflag]=fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
式中，输出x是最优解，fval是最优化结果，exitflag是优化成功与否
fun是目标函数（最优化函数）
x0是初始状态
A,b是不等式线性约束
Aeq，beq是等式线性约束
lb和ub是x的约束范围
nonlcon 是非线性约束,和fun同理若此项不存在，用[]替代
案例分析：
比如在无人机追逃过程中，XDi和XAj，分别为一个二维的位置点，a为常数，来求解使得f最小的位置x
参考资源：
https://download.csdn.net/download/weixin_44346182/88925127
Python：minimize
在python中，使用scipy库里的minimize函数
pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple和matlab类似，res = minimize(fun(), x0, constraints=cons)
fun()是要优化的函数
x0是初始状态，co
nstraints是约束函数，不过这个是大于0的式子
案例分析
同上的问题，代码
https://download.csdn.net/download/weixin_44346182/88925133
01规划：intlinprog
matlab中解决01规划使用的是intlinprog函数
https://www.cnblogs.com/goodtwo/p/11145699.html
使用方法为：
[x,fval]=intlinprog(f,intcon,A,b,Aeq,beq,lb,ub）
x是最优解：比如[1,0,1],fval是最优解，f是约束函数的系数，intcon是整数的个数
例如：
三个都是整数变量，intcon=1:3
注意：此函数是求整数规划的最小值，如果是最大值，则优化函数的系数矩阵f去负号
f=[-5 -8];
A=[1 1;5 9];
b=[6 45];
lb=zeros(2,1);%约束范围
intcon=[1 2];
[x,fval]=intlinprog(f,intcon,A,b,[],[],lb,[]);
这篇关于非线形优化 Matlab和Python （含01规划）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！
