MATLAB优化工具箱解线性规划.docx

MATLAB优化工具箱解线性规划.docx

《MATLAB优化工具箱解线性规划.docx》由会员分享，可在线阅读，更多相关《MATLAB优化工具箱解线性规划.docx（20页珍藏版）》请在冰豆网上搜索。

MATLAB优化工具箱解线性规划

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1max

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=[0.010.010.010.030.030.03;0.02000.0500;00.02000.050;000.03000.08];

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=[634];

A=[010];

b=[50];

Aeq=[111];

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=[1391011128];

A=[0.41.11000

0000.51.21.3];

b=[800;900];

Aeq=[100100

010010

001001];

beq=[400600500];

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。

一级检验员的标准为：

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

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=0.7854ymax=0.6448

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？

先编写M文件fun0.m如下:

functionf=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.

2、多元函数无约束优化问题

标准型为：

minF（X）

命令格式为:

（1）x=fminunc（fun,X0）；或x=fminsearch（fun,X0）

（2）x=fminunc（fun,X0，options）；

或x=fminsearch（fun,X0，options）

（3）[x，fval]=fminunc（...）；

或[x，fval]=fminsearch（...）

（4）[x，fval，exitflag]=fminunc（...）；

或[x，fval，exitflag]=fminsearch

（5）[x，fval，exitflag，output]=fminunc（...）；

或[x，fval，exitflag，output]=fminsearch（...）

说明:

•fminsearch是用单纯形法寻优.fminunc的算法见以下几点说明：

[1]fminunc为无约束优化提供了大型优化和中型优化算法。

由options中的参数LargeScale控制：

LargeScale=’on’（默认值）,使用大型算法

LargeScale=’off’（默认值）,使用中型算法

[2]fminunc为中型优化算法的搜索方向提供了4种算法，由

options中的参数HessUpdate控制：

HessUpdate=’bfgs’（默认值），拟牛顿法的BFGS公式；

HessUpdate=’dfp’，拟牛顿法的DFP公式；

HessUpdate=’steepdesc’，最速下降法

[3]fminunc为中型优化算法的步长一维搜索提供了两种算法，

由options中参数LineSearchType控制：

LineSearchType=’quadcubic’（缺省值），混合的二次和三

次多项式插值；

LineSearchType=’cubicpoly’，三次多项式插

•使用fminunc和fminsearch可能会得到局部最优解.

例3minf（x）=（4x12+2x22+4x1x2+2x2+1）*exp（x1）

1、编写M-文件fun1.m:

functionf=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

例4Rosenbrock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）.

1.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）

2.画出Rosenbrock函数的等高线图,输入命令：

contour（x,y,z,20）

holdon

plot（-1.2,2,'o'）;

text（-1.2,2,'startpoint'）

plot（1,1,'o'）

text（1,1,'solution'）

3.用fminsearch函数求解

输入命令:

f='100*（x

（2）-x

（1）^2）^2+（1-x

（1））^2';

[x,fval,exitflag,output]=fminsearch（f,[-1.22]）

运行结果:

x=1.00001.0000

fval=1.9151e-010

exitflag=1

output=

iterations:

108

funcCount:

202

algorithm:

'Nelder-Meadsimplexdirectsearch'

4.用fminunc函数

（1）建立M-文件fun2.m

functionf=fun2（x）

f=100*（x

（2）-x

（1）^2）^2+（1-x

（1））^2

（2）主程序wliti44.m

Rosenbrock函数不同算法的计算结果

可以看出，最速下降法的结果最差.因为最速下降法特别不适合于从一狭长通道到达最优解的情况.

例5产销量的最佳安排

某厂生产一种产品有甲、乙两个牌号，讨论在产销平衡的情况下如何确定各自的产量，使总利润最大.所谓产销平衡指工厂的产量等于市场上的销量.

符号说明

z（x1,x2）表示总利润；

p1，q1，x1分别表示甲的价格、成本、销量；

p2，q2，x2分别表示乙的价格、成本、销量；

aij，bi，λi,ci（i，j=1，2）是待定系数.

基本假设

1．价格与销量成线性关系

利润既取决于销量和价格，也依赖于产量和成本。

按照市场规律，

甲的价格p1会随其销量x1的增长而降低，同时乙的销量x2的增长也

会使甲的价格有稍微的下降，可以简单地假设价格与销量成线性关系，

即：

p1=b1-a11x1-a12x2，b1，a11，a12>0，且a11>a12；

同理，p2=b2-a21x1-a22x2，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，

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:

functionf=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1minf（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;-12];

c=[-2;-6];A=[11;-12];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=0.66671.3333z=-8.2222

一般非线性规划

标准型为：

　　　minF（X）

s.tAX<=b

G（X）

Ceq（X）=0VLB

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）:

functionf=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:

functionf=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=[23;14];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=0.76471.0588

fval=-2.0294

例3

1．先建立M文件fun4.m,定义目标函数:

functionf=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=[11];beq=[0];

vlb=[];vub=[];

[x,fval]=fmincon（'fun4',x0,A,b,Aeq,beq,vlb,vub,'mycon'）

3.运算结果为：

x=-1.22501.2250

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:

functionf=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