内点惩罚函数求最优解的matlab编程

function main()

clc; clear all; close all;

options = optimset('Algorithm', 'interior-point', 'Display', 'off');

A = []; b = [];

Aeq = []; beq = [];

lb = [1; -inf]; ub = [inf; inf];

x0 = [1 2];

[x,fval,exitflag] = fmincon(@net_fun,x0,A,b,Aeq,beq,lb,ub,[],options);

if exitflag == 1

fprintf('\n利用内点法：\n')

fprintf('当x取(%3f, %3f)时，目标函数取最小值：%3f\n',

x(1), x(2), fval);

else

fprintf('\n未找到最优解！\n');

endfunction f = net_fun(x)

f = x(1)^2 + x(2)^2;

matlab最优化程序包括

无约束一维极值问题 进退法 黄金分割法 斐波那契法 牛顿法基本牛顿法 全局牛顿法 割线法 抛物线法 三次插值法 可接受搜索法 Goidstein法 WolfePowell法

单纯形搜索法 Powell法 最速下降法 共轭梯度法 牛顿法 修正牛顿法 拟牛顿法 信赖域法 显式最速下降法， Rosen梯度投影法 罚函数法 外点罚函数法

内点罚函数法 混合罚函数法 乘子法 G－N法 修正G－N法 L－M法 线性规划 单纯形法 修正单纯形法 大M法 变量有界单纯形法 整数规划 割平面法 分支定界法 0-1规划 二次规划

拉格朗曰法 起作用集算法 路径跟踪法 粒子群优化算法 基本粒子群算法 带压缩因子的粒子群算法 权重改进的粒子群算法 线性递减权重法 自适应权重法 随机权重法

变学习因子的粒子群算法 同步变化的学习因子 异步变化的学习因子 二阶粒子群算法 二阶振荡粒子群算法

p(x,q)=f(x)+qs(x）其中,p(x,q）称为惩罚函数qs(x）为惩罚项，其中q为惩罚因子，是极限为∞的数列在外点罚函数的求解过程中，需要用到无约束极值的优化方法，由于无法直接得到目标函数的导数，这里采用修正的Powell方法来计算无约束问题