matlab多目标优化求解的例子

出错原因：下列的函数表达式定义错误，

x=fmincon('((-3*x(1)+2*x(2)+fval1)^2+(4*x(1)+3*x(2)+fval2)^2)^(1/2)',x0,A,b,[],[],lb,[])

纠正方法，用句柄函数来定义函数表达式，即

@(x)((-3*x(1)+2*x(2)+fval1)^2+(4*x(1)+3*x(2)+fval2)^2)^(1/2)

完整写法如下，

x=fmincon(@(x)((-3*x(1)+2*x(2)+fval1)^2+(4*x(1)+3*x(2)+fval2)^2)^(1/2),x0,A,b,[],[],lb,[])

更改后运行，可得到

x1 =    0.1756；x2=    5.8829

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：

用matlab求解题主的多目标优化问题，可以这样来考虑：

1、创建目标函数，其内容

w1 =0.4w2=1-w1

y =w1*0.78539*(x(1)^2-x(2)^2)+w2*x(1)^2

2、创建约束条件函数，其内容

c(1)=(9224400*x(1)/(x(1)^4-x(2)^4))-45

c(2)=(13050819/(x(1)^4-x(2)^4))-1

c(3)=216379-(x(1)^4-x(2)^4)/x(1)

c(4)=-x(1)+x(2)

ceq = []

3、初设x0的初值，即 x0 =[80,20]

4、设定上下限值，即lb=[0,0]ub=[170,100]

5、使用fmincon最小值最优化函数，求出x(1)、x(2)的值。即

[x,fval] = fmincon(@(x) fmincon_fun(x),x0,[],[],[],[],lb,ub,@(x) fmincon_con(x))

6、验证约束条件，即

disp('x2-x1<0')

disp(x(2)-x(1))

运行代码后得到如下结果。

---