1樓：小青蛙跳著走
使用匿名函式控制代碼就可以了 fmincon 需要
的函式fun只有一個輸入引數 fun(x) 而你的函式需要多一個能改變的變數。
1、在到達迭代次數閾值或目標函式估值次數閾值時，求解器沒有最小化目標到要求的精度，此時求解器停止。接下來，可以嘗試以下方法：
（1）設定『display』為『iter』，檢視每步的迭代資訊，這些資訊包括：目標函式（fval or f(x) or resnorm）是否是下降的；檢查約束越界（max constraint）是否是遞減趨向於0；檢視一階優化是否是遞減趨向於0；檢視置信域半徑(trust-region radius)是否下降趨向於一個小的值。若其中至少一種情況為是，就表示結果是不斷改善的。
如果結果是不斷改善的，可以採取下邊的措施：設定maxiter、maxfunevals比預設值大的值，預設值可以在優化工具箱或求解器的函式參考頁的優化表中檢視；從最後計算出的點開始重新求解。如果結果沒有改善，嘗試以下其他的方法。
（2）放鬆精度
如果tolx或tolfun太小，當求解器達到一個最小值時可能也不會識別到，這就會導致無限次徒勞的迭代。diffmaxchange和diffminchange選項能影響求解器的改善，它們控制求導估計中有限差分的步長。
2、無可行點
在tolcon約束精度內，求解器不能找到一個滿足所有約束條件的點，此時，可以嘗試以下方法：
（1）檢查線性約束
通過求解一個線性規劃問題來找到一個滿足界約束和線性約束的點。
i)定義一個目標函式是常值0的線性規劃問題、
f = zeros(size(x0)); % assumes x0 is the initial point
ii)求解這個線性規劃問題看是否有一個可行點。
xnew = linprog(f,a,b,aeq,beq,lb,ub);
iii)如果有可行點xnew，用xnew作為初始點去求解原始問題。
iv)如果沒有可行點，那說明原始模型建的不好，檢查界約束和線性約束。
matlab中fmincon函式求解全域性最優問題，目標函式涉及引數傳遞，約束條件中含有微分條件
2樓：西湖釣秋水
un為目標函式，它可用前面的方法定義；
x0為初始值；
a、b滿足線性不等式約束 ，若沒有不等式約束，則取a=[ ]，b=[ ]；
aeq、beq滿足等式約束 ，若沒有，則取aeq=[ ]，beq=[ ]；
lb、ub滿足 ，若沒有界，可設lb=[ ]，ub=[ ]；
nonlcon的作用是通過接受的向量x來計算非線性不等約束 和等式約束 分別在x處的估計c和ceq，通過指定函式柄來使用，如：>>x = fmincon(@myfun,x0,a,b,aeq,beq,lb,ub,@mycon)，先建立非線性約束函式，並儲存為mycon.m：
function [c,ceq] = mycon(x)
c = …
% 計算x處的非線性不等約束 的函式值。
ceq = …
% 計算x處的非線性等式約束 的函式值。
lambda是lagrange乘子，它體現哪一個約束有效。
output輸出優化資訊；
grad表示目標函式在x處的梯度；
hessian表示目標函式在x處的hessiab值。
matlab非線性規劃用fmincon，目標函式引數較多，其中級數求和中又含引數，該怎麼處理？跪求，附目標函式 15
3樓：不好好改就革
你這是擺在這裡看什麼呢？
註解都沒有，主函式也不知道到**去找，還有很多符號變數，一看就是沒有程式設計經驗的。(⊙﹏⊙)，給個錯誤情況啊，然後就一個一個debug不就完了嘛！
matlab 向凸優化非線性約束函式傳遞引數 fmincon 20
4樓：山水阿銳
您好，un為目標函式，它可用前面的方法定義；
x0為初始值；
a、b滿足線性不等式約束 ，若沒有不等式約束，則取a=[ ]，b=[ ]；
aeq、beq滿足等式約束 ，若沒有，則取aeq=[ ]，beq=[ ]；
lb、ub滿足 ，若沒有界，可設lb=[ ]，ub=[ ]；
nonlcon的作用是通過接受的向量x來計算非線性不等約束 和等式約束 分別在x處的估計c和ceq，通過指定函式柄來使用，如：>>x = fmincon(@myfun,x0,a,b,aeq,beq,lb,ub,@mycon)，先建立非線性約束函式，並儲存為mycon.m：
function [c,ceq] = mycon(x)
c = …
% 計算x處的非線性不等約束 的函式值。
ceq = …
% 計算x處的非線性等式約束 的函式值。
lambda是lagrange乘子，它體現哪一個約束有效。
output輸出優化資訊；
grad表示目標函式在x處的梯度；
hessian表示目標函式在x處的hessiab值。
注意：1. fmincon 函式提供了大型優化演算法和中型優化演算法。
預設時，若在 fun 函式中提供了梯度（options 引數的 geadobj 設定為 'on'），並且只有上下界存在或只有等式約束，fmincon 函式將選擇大型演算法。 當既有等式約束又有梯度約束時，使用中型演算法。
2. fmincon 函式的中型演算法一般是使用序列二次規劃。在每一步迭代中求解二次規劃子問題，並用 bfgs 法更新 lagrangian 乘子和 hessian 矩陣。
3. fmincon 函式的大型演算法採用了subspace trust region 優化演算法。這種演算法是把目標函式在點x的鄰域泰勒（x可以認為是人為提供的初始猜測），這個的鄰域就是所謂的trust region，泰勒進行到二階項為止。
4. fmincon 函式可能會給出區域性最優解，這與初始值的選取有關。
關於matlab中ga函式和fmincon函式等在求解非線性規劃問題中的異同
5樓：
ga是智慧優化演算法，求解出的結果不能保證是問題的最優解。
fmincon是嵌入最優化演算法的nlp求解模組，如果問題是凸的，能夠保證求出問題的最優解。
如果問題的規模較小（變數數和約束數目），ga顯示不出求解速度，反倒是fmincon求解更快；大規模問題，ga在求解速度方面應該有優勢。
「但是按照遺傳演算法來說，得到的應該是更優化一些的解呀」這是錯誤的理解，在不計較計算時間的情況下，ga的結果應該不如fmincon，原因前面解釋了。
適用情況：ga適合求解問題複雜，希望計算時間少，且對解的精度要求不高情況；fmincon適合問題相對簡單些，不計較計算時間，要求最優解情況。
希望對你有幫助。
matlab中fmincon函式出現問題，求大神幫助
6樓：匿名使用者
1、首先，你的引數寫錯位了——a後面應該有b吧？缺少一個引數，是造成目前報錯的直接原因。
2、沒有非線性約束，則該位置的引數也寫成空矩陣 。
匿名函式：
amr=...;
bmr=...;
fmincon(@(x)ee(x,amr,bmr),....)巢狀函式：
function main
amr=...;
bmr=...;
fmincon(@ee,....)
function y=ee(x)
.... % 此處可使用amr、bmr等諸函式中定義的變數endend
我利用matlab中的fmincon函式求非線性規劃求電機轉矩的最大值 10
7樓：king手舞足蹈我
使用匿名函式控制代碼就可以了
fmincon 需要的函式fun只有一個輸入引數 fun(x)
而你的函式需要多一個能改變的變數 那麼形式變成 myfun(p,x)
p就是你要傳遞的引數，x還是原來的輸入
當然首先，你得寫個m檔案，假設為myfun.m，其內容大致如下
function [out]=myfun,(p,x)
...........
end就是根據引數p和輸入x，求的輸出，當然名字可以自己取，然後就是主程式了
for p=p0:pn %引數p的取值
[x,fval]=fmincon(@(x) myfun(p,x),bt0,,,,,lb,ub,@constr);
.......
end其中關鍵就是@(x) myfun(p,x)
這會返回一個匿名的函式控制代碼，會使用當時的p值代入myfun
得到一個只有一個輸入x的函式，這樣就能把額外的引數傳遞給需要優化的函式
如果你的函式有等多的引數例如
myfun(a,b,c,x)
a=..
b=..
c=..
同樣用@(x) myfun(a,b,c,x)把a，b，c引數的值傳給要優化的函式
在以上的基礎上，加幾句，儲存每次的引數p和對應的優化結果
然後畫圖就可以了
matlab約束非線性規劃問題
function main 輸入 clc clear all x0 zeros 27,1 lb zeros 27,1 x,fval fmincon myfun,x0,lb,mycon myfun.m function f myfun x f x 1 x 13 x 2 x 14 x 3 x 15 x ...
引數線性規劃和含引數線性規劃的區別
引數線性規劃 parametric linear programm ing 數學規劃的一個分支.它研究係數不是常數,而專是在某範圍內變化屬的引數的線性規劃問題。含引數線性規劃是指在條件中 確定可行域上的邊界點或邊界線 由線性約束條件所含有的引數值,然後畫出可行域。前者是廣度上的概念,或者則是實際意義...
不等式線性規劃應用問題， 不等式線性規劃問題
設生產a產品數量為x1，b產品數量為x2。x1，x2 0，且x1，x2為整數 則由題意此線性規劃問題可化為 max z 300x1 400x2 s.t3x1 x2 11 x1 3x2 9 x1 0 x2 0 x1為整數，x2為整數 解的方法有兩種，1 用lingo 具體輸入命令跟上面的出不多，換成 ...