命令:x=linprog(c,A,b)
2、模型:
命令:x=linprog(c,A,b,Aeq,beq)
注意:若沒有不等式:存在,則令A=[ ],b=[ ]. 若沒有等式約束, 則令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] 若沒有等式約束, 則令Aeq=[ ], beq=[ ]. [2]其中X0表示初始點
4、命令:[x,fval]=linprog(…)
返回最優解x及x處的目標函數值fval.
例1 max
解 編寫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: 編寫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 (任務分配問題)某車間有甲、乙兩台機床,可用於加工三種工件。
假定這兩台車床的可用台時數分別為800和900,三種工件的數量分別為400、
600和500,且已知用三種不同車床加工單位數量不同工件所需的台時數和加工
費用如下表。問怎樣分配車床的加工任務,才能既滿足加工工件的要求,又使
加工費用最低?
解 設在甲車床上加工工件1、2、3的數量分別為x1、x2、x3,在乙車床上
加工工件1、2、3的數量分別為x4、x5、x6。可建立以下線性規划模型:
編寫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.某廠每日8小時的產量不低於1800件。為了進行質量控制,計划聘請兩種不同水平的檢驗員。一級檢驗員的標准為:速度25件/小時,正確率98%,計時工資4元/小時;二級檢驗員的標准為:速度15小時/件,正確率95%,計時工資3元/小時。檢驗員每錯檢一次,工廠要損失2元。為使總檢驗費用最省,該工廠應聘一級、二級檢驗員各幾名?
解 設需要一級和二級檢驗員的人數分別為x1、x2人,
則應付檢驗員的工資為:
因檢驗員錯檢而造成的損失為:
故目標函數為:
約束條件為:
線性規划模型:
編寫M文件xxgh4.m如下:
c = [40;36];
A=[-5 -3];
b=[-45];
Aeq=[];
beq=[];
vlb = zeros(2,1);
vub=[9;15];
%調用linprog函數:
[x,fval] = linprog(c,A,b,Aeq,beq,vlb,vub)
結果為:
x =
9.0000
0.0000
fval =360
即只需聘用9個一級檢驗員。
Matlab優化工具箱簡介
1.MATLAB求解優化問題的主要函數
2.優化函數的輸入變量
使用優化函數或優化工具箱中其它優化函數時, 輸入變量見下表:
3. 優化函數的輸出變量下表:
4.控制參數options的設置
Options中常用的幾個參數的名稱、含義、取值如下:
(1) Display: 顯示水平.取值為'off'時,不顯示輸出; 取值為'iter'時,顯示每次迭代的信息;取值為'final'時,顯示最終結果.默認值為'final'.
(2) MaxFunEvals: 允許進行函數評價的最大次數,取值為正整數.
(3) MaxIter: 允許進行迭代的最大次數,取值為正整數
控制參數options可以通過函數optimset創建或修改。命令的格式如下:
(1) options=optimset('optimfun')
創建一個含有所有參數名,並與優化函數optimfun相關的默認值的選項結構options.
(2)options=optimset('param1',value1,'param2',value2,...)
創建一個名稱為options的優化選項參數,其中指定的參數具有指定值,所有未指定的參數取默認值.
(3)options=optimset(oldops,'param1',value1,'param2',
value2,...)
創建名稱為oldops的參數的拷貝,用指定的參數值修改oldops中相應的參數.
例:opts=optimset('Display','iter','TolFun',1e-8)
該語句創建一個稱為opts的優化選項結構,其中顯示參數設為'iter', TolFun參數設為1e-8.
用Matlab解無約束優化問題
一元函數無約束優化問題
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)的等式右邊可選用(1)或(2)的等式右邊。
函數fminbnd的算法基於黃金分割法和二次插值法,它要求目標函數必須是連續函數,並可能只給出局部最優解。
例1 求在0<x<8中的最小值與最大值
主程序為wliti1.m:
f='2*exp(-x).*sin(x)';
fplot(f,[0,8]); %作圖語句
[xmin,ymin]=fminbnd (f, 0,8)
f1='-2*exp(-x).*sin(x)';
[xmax,ymax]=fminbnd (f1, 0,8)
運行結果:
xmin = 3.9270 ymin = -0.0279
xmax = 0.7854 ymax = 0.6448
例2 對邊長為3米的正方形鐵板,在四個角剪去相等的正方形以制成方形無蓋水槽,問如何剪法使水槽的容積最大?
先編寫M文件fun0.m如下:
function f=fun0(x)
f=-(3-2*x).^2*x;
主程序為wliti2.m:
[x,fval]=fminbnd('fun0',0,1.5);
xmax=x
fmax=-fval
運算結果為: xmax = 0.5000,fmax =2.0000.即剪掉的正方形的邊長為0.5米時水槽的容積最大,最大容積為2立方米.
2、多元函數無約束優化問題
標准型為:min F(X)
命令格式為:
(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(...)
說明:
-
fminsearch是用單純形法尋優. fminunc的算法見以下幾點說明:
[1] fminunc為無約束優化提供了大型優化和中型優化算法。由options中的參數LargeScale控制:
LargeScale='on'(默認值),使用大型算法
LargeScale='off'(默認值),使用中型算法
[2] fminunc為中型優化算法的搜索方向提供了4種算法,由
options中的參數HessUpdate控制:
HessUpdate='bfgs'(默認值),擬牛頓法的BFGS公式;
HessUpdate='dfp',擬牛頓法的DFP公式;
HessUpdate='steepdesc',最速下降法
[3] fminunc為中型優化算法的步長一維搜索提供了兩種算法,
由options中參數LineSearchType控制:
LineSearchType='quadcubic'(缺省值),混合的二次和三
次多項式插值;
LineSearchType='cubicpoly',三次多項式插
-
使用fminunc和 fminsearch可能會得到局部最優解.
例3 min f(x)=(4x12+2x22+4x1x2+2x2+1)*exp(x1)
1、編寫M-文件 fun1.m:
function f = fun1 (x)
f = exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1);
2、輸入M文件wliti3.m如下:
x0 = [-1, 1];
x=fminunc('fun1',x0);
y=fun1(x)
3、運行結果:
x= 0.5000 -1.0000
y = 1.3029e-10
-
Rosenbrock 函數 f(x1,x2)=100(x2-x12)2+(1-x1)2
的最優解(極小)為x*=(1,1),極小值為f*=0.試用
不同算法(搜索方向和步長搜索)求數值最優解.
初值選為x0=(-1.2 , 2).
-
為獲得直觀認識,先畫出Rosenbrock 函數的三維圖形,
輸入以下命令:
[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. 畫出Rosenbrock 函數的等高線圖,輸入命令:
contour(x,y,z,20)
hold on
plot(-1.2,2,' o ');
text(-1.2,2,'start point')
plot(1,1,'o')
text(1,1,'solution')
3.用fminsearch函數求解
輸入命令:
f='100*(x(2)-x(1)^2)^2+(1-x(1))^2';
[x,fval,exitflag,output]=fminsearch(f, [-1.2 2])
運行結果:
x =1.0000 1.0000
fval =1.9151e-010
exitflag = 1
output =
iterations: 108
funcCount: 202
algorithm: 'Nelder-Mead simplex direct search'
4. 用fminunc 函數
(1)建立M-文件fun2.m
function f=fun2(x)
f=100*(x(2)-x(1)^2)^2+(1-x(1))^2
(2)主程序wliti44.m
Rosenbrock函數不同算法的計算結果
可以看出,最速下降法的結果最差.因為最速下降法特別不適合於從一狹長通道到達最優解的情況.
例5 產銷量的最佳安排
某廠生產一種產品有甲、乙兩個牌號,討論在產銷平衡的情況下如何確定各自的產量,使總利潤最大. 所謂產銷平衡指工廠的產量等於市場上的銷量.
符號說明
z(x1,x2)表示總利潤;
p1,q1,x1分別表示甲的價格、成本、銷量;
p2,q2,x2分別表示乙的價格、成本、銷量;
aij,bi,λi,ci(i,j =1,2)是待定系數.
基本假設
1.價格與銷量成線性關系
利潤既取決於銷量和價格,也依賴於產量和成本。按照市場規律,
甲的價格p1會隨其銷量x1的增長而降低,同時乙的銷量x2的增長也
會使甲的價格有稍微的下降,可以簡單地假設價格與銷量成線性關系,
即: p1 = b1 - a11 x1 - a12 x2 ,b1,a11,a12 > 0,且a11 > a12;
同理, p2 = b2 - a21 x1- a22 x2 ,b2,a21,a22 > 0
2.成本與產量成負指數關系
甲的成本隨其產量的增長而降低,且有一個漸進值,可以假設為
負指數關系,即:
同理,
模型建立
總利潤為: z(x1,x2)=(p1-q1)x1+(p2-q2)x2
若根據大量的統計數據,求出系數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,則
問題轉化為無約束優化問題:求甲,乙兩個牌號的產量x1,x2,使
總利潤z最大.
為簡化模型,先忽略成本,並令a12=0,a21=0,問題轉化為求:
z1 = ( b1 - a11x1 ) x1 + ( b2 - a22x2 ) x2
的極值. 顯然其解為x1 = b1/2a11 = 50, x2 = b2/2a22 = 70,
我們把它作為原問題的初始值.
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.輸入命令:
x0=[50,70];
x=fminunc('fun',x0),
z=fun(x)
3.計算結果:
x=23.9025, 62.4977, z=6.4135e+003
即甲的產量為23.9025,乙的產量為62.4977,最大利潤為6413.5.
非線性規划
-
二次規划
用MATLAB軟件求解,其輸入格式如下:
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、寫成標准形式:
2、 輸入命令:
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、運算結果為:
x =0.6667 1.3333 z = -8.2222
一般非線性規划
標准型為:
min F(X)
s.t AX<=b G(X)
Ceq(X)=0 VLBX
VUB
其中X為n維變元向量,G(X)與Ceq(X)均為非線性函數組成的向量,其它變量的含義與線性規划、二次規划中相同.用Matlab求解上述問題,基本步驟分三步:
1. 首先建立M文件fun.m,定義目標函數F(X):
function f=fun(X);
f=F(X);
-
若約束條件中有非線性約束:G(X)
或Ceq(X)=0,則建立M文件nonlcon.m定義函數G(X)與Ceq(X):
function [G,Ceq]=nonlcon(X)
G=...
Ceq=...
3. 建立主程序.非線性規划求解的函數是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函數提供了大型優化算法和中型優化算法。默認時,若在fun函數中提供了梯度(options參數的GradObj設置為'on'),並且只有上下界存在或只有等式約束,fmincon函數將選擇大型算法。當既有等式約束又有梯度約束時,使用中型算法。
[2] fmincon函數的中型算法使用的是序列二次規划法。在每一步迭代中求解二次規划子問題,並用BFGS法更新拉格朗日Hessian矩陣。
[3] fmincon函數可能會給出局部最優解,這與初值X0的選取有關。
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、運算結果為:
x = 0.7647 1.0588
fval = -2.0294
例3
1.先建立M文件 fun4.m,定義目標函數:
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定義非線性約束:
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為:
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. 運算結果為:
x = -1.2250 1.2250
fval = 1.8951
例4.資金使用問題
設有400萬元資金, 要求4年內使用完, 若在一年內使用資金x萬元, 則可得效益萬元(效益不能再使用),當年不用的資金可存入銀行, 年利率為10%. 試制定出資金的使用計划, 以使4年效益之和為最大.
設變量表示第i年所使用的資金數,則有
1.先建立M文件 fun44.m,定義目標函數:
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定義非線性約束:
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為:
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