matlab优化工具箱的使用.docx
- 文档编号:3237695
- 上传时间:2022-11-20
- 格式:DOCX
- 页数:18
- 大小:46.47KB
matlab优化工具箱的使用.docx
《matlab优化工具箱的使用.docx》由会员分享,可在线阅读,更多相关《matlab优化工具箱的使用.docx(18页珍藏版)》请在冰豆网上搜索。
matlab优化工具箱的使用
优化工具箱的使用
MATLAB的优化工具箱提供了各种优化函数,这些优化函数可以通过在命令行输入相应的函数名加以调用;此外为了使用方便,MATLAB还提供了图形界面的优化工具(GUIOptimizationtool)。
1GUI优化工具
1.1GUI优化工具的启动
有两种启动方法:
(1)在命令行输入optimtool;
(2)在MATLAB主界面单击左下角的“Start”按钮,然后依次选择“Toolboxes→Optimization→Optimizationtool”
1.2GUI优化工具的界面
界面分为三大块:
左边(ProblemSetupandResults)为优化问题的描述及计算结果显示;
中间(Options)为优化选项的设置;
右边(QuickReference)为帮助。
为了界面的简洁,可以单击右上角“<<”、“>>”的按钮将帮助隐藏或显示。
1、优化问题的描述及计算结果显示
此板块主要包括选择求解器、目标函数描述、约束条件描述等部分。
选择合适的求解器以及恰当的优化算法,是进行优化问题求解的首要工作。
✧Solver:
选择优化问题的种类,每类优化问题对应不同的求解函数。
✧Algorithm:
选择算法,对于不同的求解函数,可用的算法也不同。
Problem框组用于描述优化问题,包括以下内容:
✧Objectivefunction:
输入目标函数。
✧Derivatives:
选择目标函数微分(或梯度)的计算方式。
✧Startpoint:
初始点。
Constraints框组用于描述约束条件,包括以下内容:
✧Linearinequalities:
线性不等式约束,其中A为约束系数矩阵,b代表约束向量。
✧Linearequalities:
线性等式约束,其中Aeq为约束系数矩阵,beq代表约束向量。
✧Bounds:
自变量上下界约束。
✧NonlinearConstraintsfunction;非线性约束函数。
✧Derivatives:
非线性约束函数的微分(或梯度)的计算方式。
Runsolverandviewresults框组用于显示求解过程和结果。
(对于不同的优化问题类型,此板块可能会不同,这是因为各个求解函数需要的参数个数不一样,如Fminunc函数就没有Constraints框组。
)
2、优化选项(Options)
✧Stoppingcriteria:
停止准则。
✧Functionvaluecheck:
函数值检查。
✧User-suppliedderivatives:
用户自定义微分(或梯度)。
✧Approximatedderivatives:
自适应微分(或梯度)。
✧Algorithmsettings:
算法设置。
✧Inneriterationstoppingcriteria:
内迭代停止准则。
✧Plotfunction:
用户自定义绘图函数。
✧Outputfunction:
用户自定义输出函数。
✧Displaytocommandwindow:
输出到命令行窗口。
对于不同的优化问题类型,此板块也会不同,
3、帮助(QuickReference)
每选择一个函数求解器,帮助部分都有对这个函数的功能说明,同时还会给出相应的各个输入项说明。
1.3GUI优化工具的使用步骤
(1)选择求解器Solver和优化算法。
(2)选定目标函数。
(3)设定目标函数的相关参数。
(4)设置优化选项。
(5)单击“Start”按钮,运行求解。
(6)查看求解器的状态和求解结果。
(7)将目标函数、选项和结果导入/导出。
(在菜单文件中寻找)
1.4GUI优化工具的应用实例
1、无约束优化(fminunc求解器)
fminunc求解器可用的算法有两种:
ØLargescale(大规模算法)
ØMediumscale(中等规模算法)
对于一般问题,采用中等规模算法即可。
例1:
用优化工具求
的极小值,初始点取x=0。
解:
首先在当前MATLAB的工作目录下建立目标函数文件Fununc1.m文件:
functiony=FunUnc1(x)%function必须为小写,如果F为大写则不行
y=x^2+4*x-6;%平方符号输入时用键盘上数字6上的符合,否则错误
然后启动优化工具:
✧在Solver下拉选框中选择fminunc;
✧Algorithm下拉选框中选择Mediumscale;
✧目标函数栏输入@FunUnc1;%运算时输入函数不知什么原因老有错误,直接输入目标函数却没有错误
✧初始点输入0,其余参数默认;
✧单击“Start”按钮运行。
从求解结果可以看出,函数的极小值为-10,且在x=-2时取到,而且从Currentiteration框可以看出迭代的步数。
对于函数形式比较简单的情况,可以直接输入目标函数,而不用建立目标函数文件,在目标函数栏中直接输入@(x)x^2+4*x-6,也可求出结果。
此题能否用进退法和黄金分割法(或二次插值法)求解吗?
不能,要用进退法或黄金分割法得自己先编程序,然后才能调用这样的函数。
2、无约束优化(fminsearch求解器)
fminsearch求解器也可用来求解无约束优化问题,它有时候能求解fminunc不能解决的问题。
例2:
用优化工具求
的极小值,初始点取x=-7,比较fminunc和fminsearch求出的结果。
解:
通过数学计算,可以得到本例中的极小点有两个x1=1,x2=2。
启动优化工具:
✧在Solver下拉选框中选择fminunc;
✧Algorithm下拉选框中选择Mediumscale;
✧目标函数栏输入@(x)abs(x^2-3*x+2);
✧初始点输入-7,其余参数默认;
✧单击“Start”按钮运行。
Fminunc求得的结果为x=1.5,显然数值不对,它是未加绝对值时函数
的极小值。
✧然后在Solver下拉选框中选择fminsearch;
✧Algorithm下拉选框中选择Mediumscale;
✧目标函数栏输入@(x)abs(x^2-3*x+2);
✧初始点输入-7,其余参数默认;
✧单击“Start”按钮运行。
fminsearch求得的结果为x=2,显然数值是对的。
可为什么不能求出数值x=1呢,因为此时的函数值也是最小的。
由此可得结论:
对于非光滑优化问题Fminunc可能求不到正确的结果,而fminsearch却能很好地胜任这类问题的求解。
2MATLAB优化工具箱在一维优化问题中的应用
2.1应用fminbnd函数
在MATLAB中,fminbnd函数可用来求解一维优化问题,其调用格式为:
(1)x=fminbnd(fun,x1,x2);%求函数fun在区间(x1,x2)上的极小值对应的自变量值。
(2)x=fminbnd(fun,x1,x2,options);%按options结构指定的优化参数求函数fun在区间(x1,x2)上的极小值对应的自变量值,而options结构的参数可以通过函数optimset来设置,其中options结构中的字段如下:
Display——设置结果的显示方式:
off——不显示任何结果;iter——显示每步迭代后的结果;final——只显示最后的结果;notify——只有当求解不收敛的时候才显示结果。
FunValCheck——检查目标函数值是否可接受:
On——当目标函数值为复数或NaN时显示出错信息;
Off——不显示任何错误信息。
MaxFunEvals——最大的目标函数检查步数。
MaxIter——最大的迭代步数。
OutputFcn——用户自定义的输出函数,它将在每个迭代步调用。
PlotFcns——用户自定义的绘图函数。
TolX——自变量的精度。
(3)[x,fval]=fminbnd(...);%此格式中的输出参数fval返回目标函数的极小值。
(4)[x,fval,exitflag]=fminbnd(...);%此格式中的输出参数exitflag返回函数fminbnd的求解状态(成功或失败),说明如下:
exitflag=1——fminbnd成功求得最优解,且解的精度为TolX;
exitflag=0——由于目标函数检查步数达到最大或迭代步数达到最大值而推出。
exitflag=-1——用户自定义函数引起的退出。
exitflag=-2——边界条件不协调(x1>x2)。
(5)[x,fval,exitflag,output]=fminbnd(...);%此格式中的输出参数output返回函数fminbnd的求解信息(迭代次数、所用算法等),说明如下:
output结构中的字段:
output.algorithm:
优化算法
output.iterations:
优化迭代步数
output.funcCount:
目标函数检查步数
output.message:
退出信息
例1:
用fminbnd求函数
在区间[-2,1]上的极小值。
解:
在MATLAB命令窗口输入
>>[x,fval,exitflag,output]=fminbnd(‘x^4-x^2+x-1’,-2,1)
所得结果为
x=-0.8846
fval=-2.0548
exitflag=1
output=iterations:
11%迭代次数为11次
funcCount:
12%函数计算了12次
algorithm:
'goldensectionsearch,parabolicinterpolation'%fminbnd用了黄金分割法和抛物线算法求本例函数的极小值
message:
[1x112char]
要查看结果的精度,可以接着在MATLAB命令窗口中输入
>>output.message
可得如下信息
ans=Optimizationterminated:
thecurrentxsatisfiestheterminationcriteriausingOPTIONS.TolXof1.000000e-004
说明求得结果的精度为1.0e-4,如果想提高精度,可以通过option结构来指定,在MATLAB命令窗口输入
>>opt=optimset(‘TolX’,1.0e-6);
>>formatlong;
>>[x,fval,exitflag,output]=fminbnd(‘x^4-x^2+x-1’,-2,1,opt)
所得结果为
x=-0.884646164474752
fval=-2.054784062185396
exitflag=1
output=iterations:
11
funcCount:
12
algorithm:
'goldensectionsearch,parabolicinterpolation'
message:
[1x112char]
这样求得的结果x就有了1.0e-6的精度。
为了理解fminbnd的求解原理,将每一步的迭代过程打印出来,在MATLAB命令窗口中输入
>>opt=optimset(‘display’,’iter’);
>>[x,fval,exitflag,output]=fminbnd(‘x^4-x^2+x-1’,-2,1,opt)
所得结果为
Func-countxf(x)Procedure
1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- matlab 优化 工具箱 使用
![提示](https://static.bdocx.com/images/bang_tan.gif)