matlab優化工具箱案例

⑴ 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);

⑵ 在matlab中，使用優化工具箱fmincon，計算一個優化問題，但報錯了，求大神講解

目標函數（Objective function）應該設置為@(x)-x(1)*x(2)*x(3)，像你現在的目標函數是需要三個輸入參數的，而fmincon調用它的時候只會提供一個參數，所以導致輸入參數不足。

另外，像這種簡單的優化問題，其實也可以直接用命令行調用：

fmincon(@(x)-x(1)*x(2)*x(3),[10 10 10],[-1 -2 -2;1 2 2],[0 72])

⑶ 用MATLAB優化工具箱解線性規劃，請舉例說明.

應該是數學建模吧，一般解線性規劃問題都用LINGO，簡單易學。
例如：鋼管原材料內每根長19m，現需容要A,B,C,D四種鋼管部件，長度分別為4m,5m,6m,8m，數量分別為50，10，20，15根因不同下料方式之間的轉換會增加成本，因而要求不同的下料方式不超過3種，試安排下料方式，使所需圓鋼材料的總數量最少。
在LINGO中運行如下程序即可。
model:
sets:
bujian/1..4/:L,b;
cutfa/1,2,3,4/:x;
links(bujian,cutfa):N;
endsets
data:
L=4 5 6 8;
b=50 10 20 15;
enddata
min=@sum(cutfa:x);
ZL=19;
@for(bujian(i):@sum(cutfa(j):N(i,j)*x(j))>=b(i));
@for(cutfa(j):@sum(bujian(i):L(i)*N(i,j))<=ZL);
@for(cutfa(j):@sum(bujian(i):L(i)*N(i,j))>ZL-4);
@for(cutfa:@gin(x));@for(links:@gin(N));

end

⑷ matlab優化工具箱怎麼調用呀我們要處理貝葉斯診斷問題請問該怎麼操作

1、MATLAB自帶工具箱
查看方來式：源
首先詳細介紹一下MATLAB自帶工具箱的使用。
在不熟悉一些調用工具箱的命令的時候，可以在MATLAB主窗口中，點擊左下角start--toolboxes,就會羅列出MATLAB已經安裝的所有工具箱，可以根據個人的需要選擇將要使用的工具箱。可以看到有擬合工具箱、金融工具箱、最優化工具箱等等。

2、調用（打開）方式：以調用擬合工具箱為例，進行詳細的示例。
調用方式一：
按照以下步驟：
點擊主窗口左下角start--toolboxes--curve fitting--curve fitting tool 單擊，就可以打開擬合工具箱。

3、調用方式二：
在上一步中，在start--toolboxes--curve fitting--curve fitting tool ，到這里的時候，會看到在其後面有一個簡寫 cftool ，這就是擬合工具箱調用命令函數。在MATLAB主窗口中輸入cftool ，回車，同樣可以打開擬合工具箱。

4、工具箱的使用：
擬合工具箱打開之後，就可以進行多種曲線擬合了。

⑸ 誰會MAtlab優化工具箱啊 有個優化問題 不給算，給看看唄。謝啦。

非線性約束函數必須返回兩個參數：

[c,ceq]=mycon(x)

其中，c為不等式約束，ceq為等式約束。不存在等式約束則ceq=[]。

你現在只返回一個參數，而且變數名還寫錯了（是c不是y）。

⑹ 運行雷英傑編寫的《matlab遺傳演算法工具箱及應用》7.1節多目標優化問題的實例時，總是提示undefined trace

現在編書的就是瞎編，都沒有經過運行通過的程序

⑺ 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。

⑻ 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。...

⑼ matlab工具箱有哪些實例

function nTabs(thisObj,Num){
if(thisObj.className == "active")return;
var tabObj = thisObj.parentNode.id;
var tabList = document.getElementById(tabObj).getElementsByTagName("li");
for(i=0; i <tabList.length; i++)
{

⑽ 應用 MATLAB優化工具箱編程，求解如下不等式約束優化問題。

x0=[0;0];
VLB=[00];VUB=[];
[x,fval,exitflag,output]=fmincon('myfun1',x0,[],[],[],[],VLB,VUB,'mycon1')

%幾何法
figure;
plot(x(1),x(2),'ro');holdon;
ezplot('x^來2+y^2-4*x+4-3.7989');
ezplot('-x+y-2');
ezplot('x^2-y+1');
gridon;

兩個函數文件源

functionf=myfun1(x)
f=x(1)^2+x(2)^2-4*x(1)+4;
end

function[g,ceq]=mycon1(x)
g=[-x(1)+x(2)-2;x(1)^2-x(2)+1];
ceq=0;

最優化問題從幾何上看是在第一象限(x1,x2>0), 直線即拋物線之下(兩個約束條件), 最大的橢圓