matlab中的優化工具箱

『壹』 matlab有哪些工具箱

matlab工具箱就是省去了matlab編程的過程，他就是把程序轉換成界面，便於初學者的學習，操作。 裡面有各種工具箱，比如小波工具箱，神經網路工具箱，粒子演算法優化工具箱，模擬模擬工具箱等等！

『貳』 Matlab中的優化工具包都能求解哪些類型的優化問題求解的函數是什麼

工具箱函數
常用函數：

一元函數極小值
X=fminbnd(『F』,x1,x2)

無約束極小值
X=fminunc(『F』,X0)
X=fminsearch(『F』,X0)

線性規劃
X=linprog(c,A,b)

0-1整數規劃
X=bintprog(F)

二次規劃
X=quadprog(H,c,A,b)

約束極小值（非線性規劃）
X=fmincon(『FG』,X0)

非線性最小二乘
X=lsqnonlin(F,X0)

目標達到問題
X=fgoalattain(『F』,x,goal,w)

極小極大問題
X=fminimax(『FG』,x0)

輸入參數中可以用options，用於所有函數，其中包括有一下參數。
（1） Display：結果顯示方式，off不顯示，iter顯示每次迭代的信息，final為最終結果，notify只有當求解不收斂的時候才顯示結果。
（2） MaxFunEvals：允許函數計算的最大次數，取值為正整數。
（3） MaxIter：允許迭代的最大次數，正整數。
（4） TolFun：函數值（計算結果）精度，正整數。
（5） TolX：自變數的精度，正整數。
而且可以用函數optimset創建和修改。
模型輸入時需要注意問題：
（1） 目標函數最小化；
（2） 約束非正；
（3） 避免使用全局變數。

『叄』 如何使用matlab中的工具箱

上面的最優答案廢話有點多，我補充一個簡潔版答案：
一、自帶工具箱：
直接使用。都在toolbox文件夾內，而且默認早已設定完畢。
二、非自帶工具箱：
按照這個步驟：
1）下載並解壓；
2）復制到matlab安裝目錄下的toolbox文件夾內（當然也可以放到別處~）；
3）在matlab的菜單：file-set path中，添加路徑，要求是連同子文件夾一同添加，路徑就是剛才你放置文件夾的地方。設定好了記得save。
4）完畢！

『肆』 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。

『伍』 如何知道有沒有安裝matlab優化工具箱

把工具箱抄解壓到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），然後用addpath或者pathtool把該工具箱的路徑添加到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。

『陸』 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。

『柒』 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。...

『捌』 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

『玖』 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。

『拾』 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。