用MATLAB优化工具箱解线性规划 命令：x=linprog（c，A，b）

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=[ ]. 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1 解 编写M文件小如下： c=[ ];

A=[ ; 0 0 0 0;0 0 0 0;0 0 0 0 ]; 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文件如下： c=[6 3 4]; A=[0 1 0]; b=[50]; Aeq=[1 1 1]; 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文件如下: f = [13 9 10 11 12 8]; A = [ 1 0 0 0 0 0 0 ]; b = [800; 900]; Aeq=[1 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 1]; beq=[400 600 500]; 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, 编写M文件如下：

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 = fval =360

即只需聘用9个一级检验员。 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

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 = ymin = xmax = ymax =

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文件如下: function f=fun0(x) f=-(3-2*x).^2*x; 主程序为:

[x,fval]=fminbnd('fun0',0,; xmax=x fmax=-fval

运算结果为: xmax = ,fmax =.即剪掉的正方形的边长为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：min F(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：

相关推荐：