最优化计算方法
6.4 最优化问题求解
6.4.1 无约束最优化问题求解min f(x)
MATLAB提供了3个求最小值的函数，它们的调用格
式为：
（1）[x,fval]=fminbnd(@fname,x1,x2,options)：求一
元函数在(xl，x2)区间中的极小值点x和最小值fval
。
（2）[x,fval]=fminsearch(@fname,x0,options)：基于单
纯形算法求多元函数的极小值点x和最小值fval。
（3）[x,fval]=fminunc(@fname,x0,options)：基于拟牛
顿法求多元函数的极小值点x和最小值fval。
例6-13 求f(x)=x
3
-2x-5在[0,5]内的最小值点。
(1) 建立函数文件mymin.m。
function fx=mymin(x)
fx=x.^3-2*x-5;
(2) 调用fmin函数求最小值点。
x=fmin('mymin',0,5)
x=
0.8165
6.4.2 有约束最优化问题求解
使目标函数f(x)为最小，且满足约束条件G(x)<=0
MATLAB最优化工具箱提供了一个fmincon函
数，专门用于求解各种约束下的最优化问题。该
函数的调用格式为：
[x,fval]=fmincon(@fname,x0,A,b,
Aeq,beq,Lbnd,Ubnd,NonF,options)
其中，x、fval、fname、x0和options的含义与求最小
值函数相同。其余参数为约束条件，参数NonF为
非线性约束函数的M文件名。如果某个约束不存
在，则用空矩阵来表示。
一、实验目的：
第一节 线性方程组的应用
1、了解线性规划问题及可行解、最优解的概念 ；
2、掌握Matlab软件关于求解线性规划的语句和方法。
二、实验原理和方法：
在生活实践中，很多重要的实际问题都是线性的（至少能
够用线性函数很好的近似表示），所以我们一般把这些问
题化为线性的目标函数和约束条件进行分析，通常将目标
函数和约束都是线性表达式的规划问题称为线性规划 。
