用MATLAB优化工具箱解线性规划
命令:x=linprog(c,A,b)
2、模型:
命令:x=linprog(c,A,b,Aeq,beq)
注意:若没有不等式:
存在,则令A=[ ],b=[ ]. 若没有等式约束, 则令Aeq=[ ], beq=[ ].
3、模型:
命令:[1] x=linprog(c,A,b,Aeq,beq, VLB,VUB)
[2] x=linprog(c,A,b,Aeq,beq, VLB,VUB, X0)
注意:[1] 若没有等式约束, 则令Aeq=[ ], beq=[ ]. [2]其中X0表示初始点
4、命令:[x,fval]=linprog(…)
返回最优解x及x处的目标函数值fval.
例1 max
解 编写M文件小xxgh1.m如下:
c=[-0.4 -0.28 -0.32 -0.72 -0.64 -0.6];
A=[0.01 0.01 0.01 0.03 0.03 0.03;0.02 0 0 0.05 0 0;0 0.02 0 0 0.05 0;0 0 0.03 0 0 0.08];
b=[850;700;100;900];
Aeq=[]; beq=[];
vlb=[0;0;0;0;0;0]; vub=[];
[x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub)
例2
解: 编写M文件xxgh2.m如下:
c=[6 3 4];
A=[0 1 0];
b=[50];
Aeq=[1 1 1];
beq=[120];
vlb=[30,0,20];
vub=[];
[x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub
例3 (任务分配问题)某车间有甲、乙两台机床,可用于加工三种工件。
假定这两台车床的可用台时数分别为800和900,三种工件的数量分别为400、
600和500,且已知用三种不同车床加工单位数量不同工件所需的台时数和加工
费用如下表。问怎样分配车床的加工任务,才能既满足加工工件的要求,又使
加工费用最低?
解 设在甲车床上加工工件1、2、3的数量分别为x1、x2、x3,在乙车床上
加工工件1、2、3的数量分别为x4、x5、x6。可建立以下线性规划模型:
编写M文件xxgh3.m如下:
f = [13 9 10 11 12 8];
A = [0.4 1.1 1 0 0 0
0 0 0 0.5 1.2 1.3];
b = [800; 900];
Aeq=[1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1];
beq=[400 600 500];
vlb = zeros(6,1);
vub=[];
[x,fval] = linprog(f,A,b,Aeq,beq,vlb,vub)
例4.某厂每日8小时的产量不低于1800件。为了进行质量控制,计划聘请两种不同水平的检验员。一级检验员的
为:速度25件/小时,正确率98%,计时工资4元/小时;二级检验员的标准为:速度15小时/件,正确率95%,计时工资3元/小时。检验员每错检一次,工厂要损失2元。为使总检验费用最省,该工厂应聘一级、二级检验员各几名?
解 设需要一级和二级检验员的人数分别为x1、x2人,
则应付检验员的工资为:
因检验员错检而造成的损失为:
故目标函数为:
约束条件为:
线性规划模型:
编写M文件xxgh4.m如下:
c = [40;36];
A=[-5 -3];
b=[-45];
Aeq=[];
beq=[];
vlb = zeros(2,1);
vub=[9;15];
%调用linprog函数:
[x,fval] = linprog(c,A,b,Aeq,beq,vlb,vub)
结果为:
x =
9.0000
0.0000
fval =360
即只需聘用9个一级检验员。
Matlab优化工具箱简介
1.MATLAB求解优化问题的主要函数
2.优化函数的输入变量
使用优化函数或优化工具箱中其它优化函数时, 输入变量见下表:
3. 优化函数的输出变量下表:
4.控制参数options的设置
Options中常用的几个参数的名称、含义、取值如下:
(1)
Display: 显示水平.取值为’off’时,不显示输出; 取值为’iter’时,显示每次迭代的信息;取值为’final’时,显示最终结果.默认值为’final’.
(2)
MaxFunEvals: 允许进行函数评价的最大次数,取值为正整数.
(3) MaxIter: 允许进行迭代的最大次数,取值为正整数
控制参数options可以通过函数optimset创建或修改。命令的格式如下:
(1) options=optimset(‘optimfun’)
创建一个含有所有参数名,并与优化函数optimfun相关的默认值的选项结构options.
(2)options=optimset(‘param1’,value1,’param2’,value2,...)
创建一个名称为options的优化选项参数,其中指定的参数具有指定值,所有未指定的参数取默认值.
(3)options=optimset(oldops,‘param1’,value1,’param2’,
value2,...)
创建名称为oldops的参数的拷贝,用指定的参数值修改oldops中相应的参数.
例:opts=optimset(‘Display’,’iter’,’TolFun’,1e-8)
该语句创建一个称为opts的优化选项结构,其中显示参数设为’iter’, TolFun参数设为1e-8.
用Matlab解无约束优化问题
一元函数无约束优化问题
常用格式如下:
(1)x= fminbnd (fun,x1,x2)
(2)x= fminbnd (fun,x1,x2 ,options)
(3)[x,fval]= fminbnd(...)
(4)[x,fval,exitflag]= fminbnd(...)
(5)[x,fval,exitflag,output]= fminbnd(...)
其中(3)、(4)、(5)的等式右边可选用(1)或(2)的等式右边。
函数fminbnd的算法基于黄金分割法和二次插值法,它要求目标函数必须是连续函数,并可能只给出局部最优解。
例1 求
在0
0,且a11 > a12;
同理, p2 = b2 - a21 x1- a22 x2 ,b2,a21,a22 > 0
2.成本与产量成负指数关系
甲的成本随其产量的增长而降低,且有一个渐进值,可以假设为
负指数关系,即:
同理,
EMBED Equation.3
模型建立
总利润为: z(x1,x2)=(p1-q1)x1+(p2-q2)x2
若根据大量的统计数据,求出系数b1=100,a11=1,a12=0.1,b2=280,
a21=0.2,a22=2,r1=30,λ1=0.015,c1=20, r2=100,λ2=0.02,c2=30,则
问题转化为无约束优化问题:求甲,乙两个牌号的产量x1,x2,使
总利润z最大.
为简化模型,先忽略成本,并令a12=0,a21=0,问题转化为求:
z1 = ( b1 - a11x1 ) x1 + ( b2 - a22x2 ) x2
的极值. 显然其解为x1 = b1/2a11 = 50, x2 = b2/2a22 = 70,
我们把它作为原问题的初始值.
模型求解
1.建立M-文件fun.m:
function f = fun(x)
y1=((100-x(1)- 0.1*x(2))-(30*exp(-0.015*x(1))+20))*x(1);
y2=((280-0.2*x(1)- 2*x(2))-(100*exp(-0.02*x(2))+30))*x(2);
f=-y1-y2;
2.输入命令:
x0=[50,70];
x=fminunc(‘fun’,x0),
z=fun(x)
3.计算结果:
x=23.9025, 62.4977, z=6.4135e+003
即甲的产量为23.9025,乙的产量为62.4977,最大利润为6413.5.
非线性规划
1、 二次规划
用MATLAB软件求解,其输入格式如下:
1.
x=quadprog(H,C,A,b);
2.
x=quadprog(H,C,A,b,Aeq,beq);
3.
x=quadprog(H,C,A,b,Aeq,beq,VLB,VUB);
4.
x=quadprog(H,C,A,b, Aeq,beq ,VLB,VUB,X0);
5.
x=quadprog(H,C,A,b, Aeq,beq ,VLB,VUB,X0,options);
6.
[x,fval]=quaprog(...);
7.
[x,fval,exitflag]=quaprog(...);
8.
[x,fval,exitflag,output]=quaprog(...);
例1 min f(x1,x2)=-2x1-6x2+x12-2x1x2+2x22
s.t. x1+x2≤2
-x1+2x2≤2
x1≥0, x2≥0
1、写成标准形式:
2、 输入命令:
H=[1 -1; -1 2];
c=[-2 ;-6];A=[1 1; -1 2];b=[2;2];
Aeq=[];beq=[]; VLB=[0;0];VUB=[];
[x,z]=quadprog(H,c,A,b,Aeq,beq,VLB,VUB)
3、运算结果为:
x =0.6667 1.3333 z = -8.2222
一般非线性规划
标准型为:
min F(X)
s.t AX<=b
G(X)
Ceq(X)=0 VLB
X
VUB
其中X为n维变元向量,G(X)与Ceq(X)均为非线性函数组成的向量,其它变量的含义与线性规划、二次规划中相同.用Matlab求解上述问题,基本步骤分三步:
1. 首先建立M文件fun.m,定义目标函数F(X):
function f=fun(X);
f=F(X);
2. 若约束条件中有非线性约束:G(X)
或Ceq(X)=0,则建立M文件nonlcon.m定义函数G(X)与Ceq(X):
function [G,Ceq]=nonlcon(X)
G=...
Ceq=...
3. 建立主程序.非线性规划求解的函数是fmincon,命令的基本格式如下:
(1) x=fmincon(‘fun’,X0,A,b)
(2) x=fmincon(‘fun’,X0,A,b,Aeq,beq)
(3) x=fmincon(‘fun’,X0,A,b, Aeq,beq,VLB,VUB)
(4) x=fmincon(‘fun’,X0,A,b,Aeq,beq,VLB,VUB,’nonlcon’)
(5)x=fmincon(‘fun’,X0,A,b,Aeq,beq,VLB,VUB,’nonlcon’,options)
(6) [x,fval]= fmincon(...)
(7) [x,fval,exitflag]= fmincon(...)
(8)[x,fval,exitflag,output]= fmincon(...)
注意:
[1] fmincon函数提供了大型优化算法和中型优化算法。默认时,若在fun函数中提供了梯度(options参数的GradObj设置为’on’),并且只有上下界存在或只有等式约束,fmincon函数将选择大型算法。当既有等式约束又有梯度约束时,使用中型算法。
[2] fmincon函数的中型算法使用的是序列二次规划法。在每一步迭代中求解二次规划子问题,并用BFGS法更新拉格朗日Hessian矩阵。
[3] fmincon函数可能会给出局部最优解,这与初值X0的选取有关。
例2
s.t.
2、先建立M-文件 fun3.m:
function f=fun3(x);
f=-x(1)-2*x(2)+(1/2)*x(1)^2+(1/2)*x(2)^2
3、再建立主程序youh2.m:
x0=[1;1];
A=[2 3 ;1 4]; b=[6;5];
Aeq=[];beq=[];
VLB=[0;0]; VUB=[];
[x,fval]=fmincon('fun3',x0,A,b,Aeq,beq,VLB,VUB)
4、运算结果为:
x = 0.7647 1.0588
fval = -2.0294
例3
1.先建立M文件 fun4.m,定义目标函数:
function f=fun4(x);
f=exp(x(1))
*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1);
2.再建立M文件mycon.m定义非线性约束:
function [g,ceq]=mycon(x)
g=[x(1)+x(2);1.5+x(1)*x(2)-x(1)-x(2);-x(1)*x(2)-10];
3.主程序youh3.m为:
x0=[-1;1];
A=[];b=[];
Aeq=[1 1];beq=[0];
vlb=[];vub=[];
[x,fval]=fmincon('fun4',x0,A,b,Aeq,beq,vlb,vub,'mycon')
3. 运算结果为:
x = -1.2250 1.2250
fval = 1.8951
例4.资金使用问题
设有400万元资金, 要求4年内使用完, 若在一年内使用资金x万元, 则可得效益
万元(效益不能再使用),当年不用的资金可存入银行, 年利率为10%. 试制定出资金的使用计划, 以使4年效益之和为最大.
设变量
表示第i年所使用的资金数,则有
1.先建立M文件 fun44.m,定义目标函数:
function f=fun44(x)
f=-(sqrt(x(1))+sqrt(x(2))+sqrt(x(3))+sqrt(x(4)));
2.再建立M文件mycon1.m定义非线性约束:
function [g,ceq]=mycon1(x)
g(1)=x(1)-400;
g(2)=1.1*x(1)+x(2)-440;
g(3)=1.21*x(1)+1.1*x(2)+x(3)-484;
g(4)=1.331*x(1)+1.21*x(2)+1.1*x(3)+x(4)-532.4;
ceq=0
3.主程序youh4.m为:
x0=[1;1;1;1];vlb=[0;0;0;0];vub=[];A=[];b=[];Aeq=[];beq=[];
[x,fval]=fmincon('fun44',x0,A,b,Aeq,beq,vlb,vub,'mycon1')
得到
� EMBED Word.Document.8 \s ���
� EMBED Word.Document.8 \s ���
� EMBED Word.Document.8 \s ���
1、模型:
� EMBED Equation.3 ���
min z=cX
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Word.Document.8 \s ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
解
� EMBED Word.Document.8 \s ���
� EMBED Word.Document.8 \s ���
� EMBED Word.Document.8 \s ���
s.t.
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
� EMBED Equation.3 ���
1、写成标准形式:
s.t.
_1093098033.unknown
_1164825417.unknown
_1164827951.doc
搜索方向
步长搜索
最优解
最优值
迭代次数
BFGS
混合二、三次插值
(0.9996,0.9992)
2.3109
155
三次插值
(1.0001,1.0002)
2.3943
132
DFP
混合二、三次插值
(0.9995,0.9990)
2.6223
151
三次插值
(0.8994,0.7995)
0.0192
204
最速下降
混合二、三次插值
(-1.1634,1.3610)
4.6859
204
(0.9446,0.8920)
0.0031
8002
(0.9959,0.9916
1.8543
9002
单纯形法
(1.0000,1.0000)
1.9151
202
_1093274588.unknown
_1093274931.unknown
_1093275201.unknown
_1093274868.unknown
_999003760.unknown
_1164829221.unknown
_1164830321.unknown
_1164830322.unknown
_1164829345.unknown
_1164830320.unknown
_1164829344.unknown
_1164829343.unknown
_1164828534.unknown
_1164828975.unknown
_1164828431.doc
标准型为:
Min Z=
XTHX+cTX
s.t. AX<=b
VLB≤X≤VUB
� EMBED Equation.2 ���
_998333259.unknown
_1093091056.unknown
_971010490.unknown
_1164828533.unknown
_1164826467.unknown
_1164826542.unknown
_1164826958.doc
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=-
, 00,则x为解;否则,x不是最终解,它只是迭代制止时优化过程的值
所有优化函数
fval
解x处的目标函数值
linprog,quadprog,fgoalattain, fmincon,fminimax,lsqcurvefit,
lsqnonlin, fminbnd
exitflag
描述退出条件:
· exitflag>0,表目标函数收敛于解x处
· exitflag=0,表已达到函数评价或迭代的最大次数
· exitflag<0,表目标函数不收敛
output
包含优化结果信息的输出结构.
· Iterations:迭代次数
· Algorithm:所采用的算法
· FuncCount:函数评价次数
所有优化函数
_1119886924.doc
类 型
模 型
基本函数名
一元函数极小
Min F(x)s.t.x1