matlab工具箱的優化

㈠ matlab的優化工具箱，optimization中fminimax的使用

http://..com/question/333697368.html
x = fminimax(fun,x0)給定初值x0, 求函數最小值；
x = fminimax(fun,x0,A,b)給定初值x0,且滿足A x<=b,A是矩陣，b是向量；
x = fminimax(fun,x,A,b,Aeq,beq)，滿足A x<=b，滿足線性方程組Aeq*x = beq；Aeq矩陣，beq向量；
x = fminimax(fun,x,A,b,Aeq,beq,lb,ub)，用法同上，再滿足 lb<=x<=ub;
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon) subjects the minimax problem to the nonlinear inequalities c(x) or equality constraints ceq(x) defined in nonlcon. fminimax optimizes such that c(x) ≤ 0 and ceq(x) = 0. Set lb = [] and/or ub = [] if no bounds exist.
[x,fval] = fminimax(...)返回最小值時x值和函數最小值。
[x,fval,maxfval] = fminimax(...) 返回目標函數最大值；
[x,fval,maxfval,exitflag] = fminimax(...)返回 exitflag描述最小值存在狀態。
希望幫上你。

㈡ matlab 優化工具箱怎麼用

首先看一個gui對遺傳演算法的應用， 求下列函數的極小值。 f(x)=x.^4-3*x.^3+x.^2-2; 利用遺傳演算法求內解容，選擇ga solver（求解器），輸入適應函數，輸入變數個數，start就可以了，充分反應了遺傳演算法的優越性。 接著是對無約束一維極值問題的求解。...

㈢ Matlab 優化工具箱目標函數寫法

很多條件不明確復：

1、【每次優化制都需要導入不同的A和B】，到底A和B是什麼？

2、【x有個范圍，是整數】，也就是說還有其他約束條件，為什麼不給出來？

3、我很懷疑，這樣的目標函數還算是線性規劃嗎？當然，由於前面說的【x是整數】，已經決定了這是整數規劃問題。

㈣ matlab 優化工具箱怎麼打開

你可以使用 style 屬性或是 CSS。 方法1：使用 style 屬性 如果想讓全文都是某個滑鼠指針，則使用： 如果是某個段落，則使用： 這里是段落內容 如果是連接，則使用： 這里是連接內容 方法2：使用 CSS 在之間插入

㈤ matlab 優化工具箱中如何顯示每一次x的數值

在matlab 優化工具箱中是可以顯示每一次的x值或一組x值。例如：

求二元函數f(x,y)5-x^4-y^4+4xy的極大值。

>> optimtool %打開內 優化工具容箱

>> exfun=@(x)x(1)^4+x(2)^4-4*x(1)*x(2)-5; %自定義函數，x(1)—x，x(2)—y

求解可得到，最大值為7

㈥ matlab優化工具箱安裝

把工具箱解壓到matalb安裝目錄的toolbox目錄下（一般在Program Files下找到Matlab的安裝位置，點進去就能找到toolbox），回然後用addpath或者pathtool把該工具箱答的路徑添加到matlab的搜索路徑中，最後用which newtoolbox_command.m來檢驗是否可以訪問。如果能夠顯示新設置的路徑，則表明該工具箱可以使用了。

㈦ matlab 優化工具箱

在matlab命令窗口中輸入:edit，然後將下列兩行百分號之間的內容復制進去，保存。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function f=y(x)
f(1)=10-0.0116*x(2)-0.0185*x(3)-0.0194*x(5)-0.0302*x(6)-0.1013*x(8)-0.0162*x(9);
f(2)=24-0.0399*x(1)-0.02924*x(2)-0.02376*x(3)-0.0665*x(4)-0.04896*x(5)-0.03996*x(6)-0.0342*x(7)-0.0255*x(8)-0.02079*x(9);
f(3)=36.5-0.042*x(1)-0.043*x(2)-0.044*x(3)-0.07*x(4)-0.072*x(5)-0.074*x(6)-0.0365*x(7)-0.0375*x(8)-0.0385*x(9);
f(4)=350-1.176*x(1)-0.516*x(2)-0.264*x(3)-1.96*x(4)-0.864*x(5)-0.444*x(6)-1.008*x(7)-0.45*x(8)-0.231*x(9);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

返回matlab命令窗口，輸入以下命令，應當就有結果了。
A=[0.042,0,0,0.07,0,0,0.0365,0,0;
0,0.043,0,0,0.072,0,0,0.0375,0;
0,0,-0.044,0,0,-0.074,0,0,-0.0385;
0,0,0.044,0,0,0.074,0,0,0.0385;
1,1,1,0,0,0,0,0,0;
0,0,0,1,1,1,0,0,0;
0,0,0,0,0,0,1,1,1];
b=[4,23,-14,16,310,310,150]';
goal=[0.001,0.001,0.001,0.001]';
weight=abs(goal);
lb=0;
x0=[10,10,10,10,10,10,10,10,10]';
x=fgoalattain('y',x0,goal,weight,A,b,[],[],lb,[]); %%不好意思我是照你寫的,這里應當是y,注意函數名一般不要取這么簡單的,要不然有可能跟變數名重復.

%另外matlab是不認中文符號的，你自己注意一下。

㈧ 怎樣啟動MATLAB優化工具箱

f(x)=x.^4-3*x.^3+x.^2-2;
利用遺傳演算法求解，選擇ga solver（求解器），輸入適應函數，專輸入變數個數，start就可以了，屬充分反應了遺傳演算法的優越性。
接著是對無約束一維極值問題的求解。
首先是進退法搜索單谷函數的極值問題。原理就是在固定區間內按照一定步長無窮逼近最優解,不過無論怎樣逼近，最後得到的還是符合精度的區間，並不是理論最優解。Matlab中用minJT函數來實現。
相關的函數代碼可以在matlab相關文件夾中找到，這里就不多說，不過還是按這種方法求一下上面的極小值問題。
代碼如下：
syms x;
f=x^4-3*x^3+x^2-2;
[x1,x2]=minJT(f,0,0.001);

㈨ matlab工具箱優化問題

這問題，不好意思
路過......拿兩分

㈩ MATLAB優化工具箱怎麼試用

首先看一個gui對遺傳演算法的應用，
求下列函數的極小值。
f(x)=x.^4-3*x.^3+x.^2-2;
利用遺傳演算法求解，選擇ga solver（求解器），輸入適應函數，輸入變數個數，start就可以了，充分反應了遺傳演算法的優越性。
接著是對無約束一維極值問題的求解。
首先是進退法搜索單谷函數的極值問題。原理就是在固定區間內按照一定步長無窮逼近最優解,不過無論怎樣逼近，最後得到的還是符合精度的區間，並不是理論最優解。Matlab中用minJT函數來實現。
相關的函數代碼可以在matlab相關文件夾中找到，這里就不多說，不過還是按這種方法求一下上面的極小值問題。
代碼如下：
syms x;
f=x^4-3*x^3+x^2-2;
[x1,x2]=minJT(f,0,0.001);
在2009b中結果是。2009b已經沒有這個函數了。
無語了一下，繼續看下一種方法，黃金分割法。
也是一種無窮逼近法，利用黃金分割長生前一個區間中的內點，捨去一個端點。逐漸逼近最小值，是一種單向收縮法。
不過2009b也沒有這個函數了。
然後是斐波那契法。
我們首先就會聯想到斐波那契數列，不過這里確實用到了斐波那契數列。
斐波那契法顯然是一種雙向收縮法具體的搜索原理就不多追究了。
然後便是牛頓迭代法，原來就學過的一種速度相當快的迭代方法，其中優化後的全局牛頓法，一般的牛頓法需要初始點接近最值點而全局牛頓法則不需要這個要求。關最後還有割線法，二次插值和三次插值法。以後會慢慢補充相關的函數m文件的。