有关内惩罚函数算法matlab程序

这个代码的问题在于没有将subs函数转换为数值，所以在下面求inv的时候会超级慢，修改过的代码如下：

clc

clear

m=zeros(1,50)

a=zeros(1,50)

b=zeros(1,50)

f0=zeros(1,50)

syms x1 x2 e

m(1)=1

c=0.2

a(1)=2

b(1)=-3

f=x1^2+x2^2-e*(1/(2*x1+x2-2)+1/(1-x1))

f0(1)=15 

fx1=diff(f,'x1')

fx2=diff(f,'x2')

fx1x1=diff(fx1,'x1')

fx1x2=diff(fx1,'x2')

fx2x1=diff(fx2,'x1')

fx2x2=diff(fx2,'x2')

%%

for k=1:length(a)-1

    k

    x1=a(k)

    x2=b(k)

    e=m(k)

    for n=1:length(a)-1

        n

        f1=double(subs(fx1))

        f2=double(subs(fx2))

        f11=double(subs(fx1x1))

        f12=double(subs(fx1x2))

        f21=double(subs(fx2x1))

        f22=double(subs(fx2x2))

        if double(sqrt(f1^2+f2^2)) <= 0.001

            a(k+1)=double(x1)

            b(k+1)=double(x2)

            f0(k+1)=double(subs(f))

            break

        else

            X=[x1 x2]'-inv([f11 f12f21 f22])*[f1 f2]'

            x1=X(1,1)

            x2=X(2,1)

        end

    end

    if double(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001 && double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001

        a(k+1)

        b(k+1)

        k

        f0(k+1)

        break

    else

        m(k+1)=c*m(k)

    end

end

一、作用不同：

惩罚函数法在M越来越大的情况下，函数F趋近于病态，乘子法克服这个缺点根据拉格朗日分解加了一个uih（x）M变为了c/2。

主要思想是引入一个新的参数λ(即拉格朗日乘子)，将约束条件函数与原函数联系到一起，使能配成与变量数量相等的等式方程。

二、定义不同：

基本的拉格朗日乘子法(又称为拉格朗日乘数法)，就是求函数f(x1,x2,)在g(x1,x2,)=0的约束条件下的极值的方法。

罚函数法是从非可行解出发逐渐移动到可行区域的方法。罚函数法在理论上是可行的，在实际计算中的缺点是罚因子M的取值难于把握，太小起不到惩罚作用太大则由于误差的影响会导致错误。

三、使用方法不同：

在进化计算中，研究者选择外部罚函数法的原因主要是该方法不需要提供初始可行解。需要提供初始可行解则是内部罚函数法的主要缺点。由于进化算法应用到实际问题中可能存在搜索可行解就是NP难问题，因此这个缺点是非常致命的。

基本的拉格朗日乘子法就bai是求函数f(x1,x2,...)在约束条件g(x1,x2,...)=0下的极值的方法。其主要思想是将约束条件函数与原函数联立，从而求出使原函数取得极值的各个变量的解。

扩展资料：

如果这个实际问题的最大或最小值存在，一般说来驻点只有一个，于是最值可求。

条件极值问题也可以化为无条件极值求解，但有些条件关系比较复杂，代换和运算很繁，而相对来说“拉格朗日乘数法”不需代换，运算简单一点，这就是优势。

条件φ(x,y,z)一定是个等式，不妨设为φ(x,y,z)=m

则再建一个函数g(x,y,z)=φ(x,y,z)-m

g(x,y,z)=0以g(x,y,z)代替φ(x,y,z)

在许多极值问题中，函数的自变量往往要受到一些条件的限制，比如，要设计一个容积为 V的长方体形开口水箱，确定长、宽和高，使水箱的表面积最小.。设水箱的长、宽、高分别为 x,y,z， 则水箱容积V=xyz。

参考资料来源：百度百科-拉格朗日乘数法

例1 求 f = 2 在0<x<8中的最小值与最大值

主程序为wliti1.m:

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 = 3.9270ymin = -0.0279

xmax = 0.7854 ymax = 0.6448

★（借助课件说明过程、作函数的图形）

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？

设剪去的正方形的边长为x，则水槽的容积为： ，建立无约束优化模型为：min y=- ， 0<x<1.5

先编写M文件fun0.m如下:

function f=fun0(x)

f=-(3-2*x).^2*x

主程序为wliti2.m:

[x,fval]=fminbnd('fun0',0,1.5)

xmax=x

fmax=-fval

运算结果为: xmax = 0.5000,fmax =2.0000.即剪掉的正方形的边长为0.5米时水槽的容积最大,最大容积为2立方米.

★（借助课件说明过程、作函数的图形、并编制计算程序）

例3

1、编写M-文件 fun1.m:

function f = fun1 (x)

f = exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1)

2、输入M文件wliti3.m如下:

x0 = [-1, 1]

x=fminunc(‘fun1’,x0)

y=fun1(x)

3、运行结果:

x= 0.5000 -1.0000

y = 1.3029e-10

★（借助课件说明过程、作函数的图形并编制计算程序）

例4 Rosenbrock 函数 f（x1，x2）=100（x2-x12）2+(1-x1)2 的最优解（极小）为x*=（1，1），极小值为f*=0.试用不同算法（搜索方向和步长搜索）求数值最优解.初值选为x0=（-1.2 , 2）.

为获得直观认识，先画出Rosenbrock 函数的三维图形, 输入以下命令：

[x,y]=meshgrid(-2:0.1:2,-1:0.1:3)

z=100*(y-x.^2).^2+(1-x).^2

mesh(x,y,z)

画出Rosenbrock 函数的等高线图,输入命令：

contour(x,y,z,20)

hold on

plot(-1.2,2,' o ')

text(-1.2,2,'start point')

plot(1,1,'o')

text(1,1,'solution')

f='100*(x(2)-x(1)^2)^2+(1-x(1))^2'

[x,fval,exitflag,output]=fminsearch(f, [-1.2 2])

运行结果:

x =1.00001.0000

fval =1.9151e-010

exitflag = 1

output =

iterations: 108

funcCount: 202

algorithm: 'Nelder-Mead simplex direct search'

★（借助课件说明过程、作函数的图形并编制计算程序）

（五）、 作业

陈酒出售的最佳时机问题

某酒厂有批新酿的好酒,如果现在就出售,可得总收入R0=50万元(人民币),如果窖藏起来待来日(第n年)按陈酒价格出售,第n年末可得总收入 (万元),而银行利率为r=0.05,试分析这批好酒窖藏多少年后出售可使总收入的现值最大. (假设现有资金X万元,将其存入银行,到第n年时增值为R(n)万元,则称X为R(n)的现值.)并填下表：

---