matlab最优化算法有哪些

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

如果目标函数或约束条件中包含非线性函数，就称这种规划问题为非线性规划问 题。一般说来，解非线性规划要比解线性规划问题困难得多。而且，也不象线性规划有单纯形法这一通用方法，非线性规划目前还没有适于各种问题的一般算法，各个方法都有自己特定的适用范围。

如果线性规划的优解存在，其优解只能在其可行域的边界上达到（特别是可行 域的顶点上达到）；而非线性规划的优解（如果优解存在）则可能在其可行域的任意一点达到。

Matlab 中非线性规划的数学模型写成以下形式

其中 是非线性函数

Matlab 中的命令是

X=FMINCON(FUN,X0,A,B,Aeq,Beq,LB,UB,NONLCON,OPTIONS)

NONLCON 是用 M 文件定义的非线性向量函数

给出例子如下

求解程序：

当用迭代法求函数的极小点时，常常用到一维搜索，即沿某一已知方向求目标函数的极小点。一维搜索的方法很多，常用的有：

下面有两个通过不断地缩短区间[a,b]的长度，来搜索得到近似优解的两个方法。

迭代法大体上分为两点：一是用到函数的一阶导数或二阶导数， 称为解析法。另一是仅用到函数值，称为直接法。

带有约束条件的极值问题称为约束极值问题，也叫规划问题。 求解约束极值问题要比求解无约束极值问题困难得多。为了简化其优化工作，可采用以下方法：将约束问题化为无约束问题；将非线性规划问题化为线性规划问题，以及能将复杂问题变换为较简单问题的其它方法。 库恩—塔克条件是非线性规划领域中重要的理论成果之一，是确定某点为优点的必要条件，但一般说它并不是充分条件（对于凸规划，它既是优点存在的必要条件， 同时也是充分条件）。

若某非线性规划的目标函数为自变量 x的二次函数，约束条件又全是线性的，就称 这种规划为二次规划。

例求解如下的例子

注意要提出

利用罚函数法，可将非线性规划问题的求解， 转化为求解一系列无约束极值问题 ， 因而也称这种方法为序列无约束小化技术

罚函数法求解非线性规划问题的思想是，利用问题中的约束函数作出适当的罚函数，由此构造出带参数的增广目标函数，把问题转化为无约束非线性规划问题。主要有 两种形式，一种叫 外罚函数法 ，另一种叫 内罚函数法 ，下面介绍外罚函数法。

取一个充分大的数M>0，构造函数如下：

直观上可以理解为若 则给这个目标函数一个很大的惩罚，而如果 则对该目标函数无影响

或者写成：

例

或者写成矩阵形式：

其中的 min([x';zeros(1,2)]) 表示 都大于0

再在命令行中输入

可以看出两次的效果略有偏差。但是我们不满足于此，由于问题的规模较小，尝试使用 fmincon 求得精确得最优解

可以看出罚函数法虽然收敛速度快，但是精确度不是很高。当问题规模较大，不好求解时，可以考虑使用。

其中约束条件为：

当使用梯度求解上述问题时，效率更高并且结果更准确。 题目中目标函数的梯度为（对 分别求偏导数）：

在命令行中输入optimtool可以打开图形界面

对于上一个问题，只要选择方法（solver）后，在相应位置输入@fun10，@fun11，点击start就可以

以上就是关于matlab最优化算法有哪些全部的内容，包括:matlab最优化算法有哪些、非线性规划、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！