关于matlab编程，最优化问题求解，即求最大值，哪位大师可以帮忙写下代码谢谢了！满意追加财富值！

lingo解答：

Max=x1+x2+x3+x4+x5;

x1+x2+x4<=95;

x3+x4+x5<=80;

x1+x4<=82;

x2+x4+x5<=90;

x3+x5<=71;

Global optimal solution found

Objective value: 1660000

Infeasibilities: 0000000

Total solver iterations: 6

Variable Value Reduced Cost

X1 5000000 0000000

X2 8100000 0000000

X3 7100000 0000000

X4 9000000 0000000

X5 0000000 0000000

Row Slack or Surplus Dual Price

1 1660000 1000000

2 0000000 1000000

clear all;close all;clc;

f=[-1;-1;-1;-1;-1]; %这个是你的目标函数是系数

A=[1,1,0,1,0;

0,0,1,1,1;

1,0,0,1,0;

0,1,0,1,1;

0,0,1,0,1]; %这里是约束的左边系数，注意这里是Ax<=b，所以你的条件中要化为小于等于，所以这里只选了第1和第2个条件

b=[95;80;82;90;71]; %约束的右边系数

xmin=[0;0]; %变量的最小值，就是上面的条件(4)

xmax=[inf;inf] %变量的最大值，此例中无，设为无穷大

x0=xmin; %计算的初值

[x,fmin]=linprog(f,A,-b,[],[],xmin,xmax,x0);

x,fmin

x =

310632

442715

-173126

-1703348

-536874

fmin =

1660000

前面那个相同问题的回答是错误的（question/577914643html），所以请楼主再重新提问。

那个回答的问题有两个：

（1）你问的是最大值问题，他的回答却是最小化；

（2）那么，是不是把目标函数改个符号就行了呢？不是，不信的话，你把

fun = @(X)X(1)^3+X(2)^4;

改成

fun = @(X) -(X(1)^3+X(2)^4);

会发现，结果发散了，优化失败。

问题出在哪里呢？和初值有关。

下面是我的代码：

function zd

x0 = 01;

y0 = 01;

opt = optimset('Display', 'iter');

% 在图上标出最大值点

figure(1)

clf

hold on

h = ezplot('x^2+y^2-1');

set(h, 'linew', 2)

f = @(x,y) x^3+y^4;

x = get(h, 'xData');

y = get(h, 'yData');

z = f(x, y);

set(h, 'zData', z);

h = ezmesh(f, [-15 15]);

set(h, 'EdgeAlpha', 04, 'FaceAlpha', 04);

h = plot3(x0, y0, f(x0,y0), 'ro', 'markerfacecolor', 'r');

set(gca,'zlimmode','auto')

view(-45,10)

% 优化

xy = fmincon(@obj,[x0 y0],[],[],[],[],[],[],@nonlcon,opt,h)

function f = obj(x, h)

f = ( x(1)^3+x(2)^4 );

% 更新绘图

set(h, 'x', x(1), 'y', x(2), 'z', f);

title(['f = ' num2str(f)])

drawnow

pause(01)

% 由于fmincon用于求最小值，所以需要把目标函数取负号

f = -f;

function [c,ceq] = nonlcon(x, h)

% 目标函数尽管不需要使用附加参数h，但必须能够接受此参数

c = [];

y = x(2);

x = x(1);

ceq = x^2+y^2-1;

我的代码把优化过程动态表现出来，最终结果是否符合要求也一目了然。

在实际的工作和生活过程中，优化问题无处不在，比如资源如何分配效益最高，拟合问题，最小最大值问题等等。优化问题一般分为局部最优和全局最优，局部最优，就是在函数值空间的一个有限区域内寻找最小值；而全局最优，是在函数值空间整个区域寻找最小值问题。

matlab中的提供的传统优化工具箱（Optimization Tool），能实现局部最优，但要得全局最优，则要用全局最优化算法（Global Optimization Tool），主要包括：

GlobalSearch 全局搜索和 MultiStart 多起点方法产生若干起始点，然后它们用局部求解器去找到起始点吸引盆处的最优点。

ga 遗传算法用一组起始点（称为种群），通过迭代从种群中产生更好的点，只要初始种群覆盖几个盆，GA就能检查几个盆。

simulannealbnd 模拟退火完成一个随机搜索，通常，模拟退火算法接受一个点，只要这个点比前面那个好，它也偶而接受一个比较糟的点，目的是转向不同的盆。

patternsearch 模式搜索算法在接受一个点之前要看看其附近的一组点。假如附近的某些点属于不同的盆，模式搜索算法本质上时同时搜索若干个盆。

下面我就一些具体例子，来说明各种优化方法：

可以看出，初值x0不同，得到的结果截然不同，这说明这种求解器，能寻找局部最优，但不一定是全局最优，在起点为8时，取得全局最优。

我们换一种求解器：fminbound,这种求解器不需要给点初值。

因此全局最优的方法能够获取全局最优。

结果：最小二乘拟合结果误差较大

可以看出全局优化结果较好，误差较小。

这种算法的运行时间：Elapsed time is 6139324 seconds

使用并行计算的方式解决

结果：14 out of 100 local solver runs converged with a positive local solver exit flag

Elapsed time is 4358762 secondsSending a stop signal to all the labs stopped可以看出，运行时间减少，提高了效率。

这种方法只能寻找局部最优。

现在用全局优化算法：

以上就是关于关于matlab编程，最优化问题求解，即求最大值，哪位大师可以帮忙写下代码谢谢了！满意追加财富值！全部的内容，包括:关于matlab编程，最优化问题求解，即求最大值，哪位大师可以帮忙写下代码谢谢了！满意追加财富值！、matlab 最优化、matlab全局优化与局部优化等相关内容解答，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！