matlab优化工具箱实验小结

Ⅰ 利用matlab求解优化模型的实验结果分析

这很正常，复杂问题的求解往往采用先选取一个初始解，然后采用某种算法进行迭代的方式。fgoalattain函数应该就是采用这种方式。和传统的求解方式不同，这种方式求解并不能准确的得到最优解，而是通过算法向最优解逼近。算法的不同、初始解的不同以及迭代的次数都有可能影响到最终解，所以得到不同的解也是很正常的。

Ⅱ 在matlab中，使用优化工具箱fmincon，计算一个优化问题，但报错了，求大神讲解

目标函数（Objective function）应该设置为@(x)-x(1)*x(2)*x(3)，像你现在的目标函数是需要三个输入参数的，而fmincon调用它的时候只会提供一个参数，所以导致输入参数不足。

另外，像这种简单的优化问题，其实也可以直接用命令行调用：

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

Ⅲ MATLAB优化工具箱怎样改变优化结果显示的精度

在代码的第一行加上format long

Ⅳ MATLAB优化工具箱--线性规划问题

这个是整数规划。
你得用别的函数。
比如：ipslv_mex，这个好像得去网上载。

f=ones(7,1);
A=[1,4,0,0,3,1,2;1,0,3,0,1,2,0;1,0,0,2,0,0,1];
b=[50;30;25];
intlist=zeros(7,1); %代表专7个变属量都是整数
xmin=ones(7,1); %代表7个变量的最小值均为1
xmax=inf*ones(7,1); %代表7个变量最大值均为无穷大
ctype=ones(3,1); %代表三个方程都是Ax=b,大于等于的话为1，小于等于的话为-1
[x,how]=ipslv_mex(f,A,b,intlist,xmax,xmin,ctype)
结果为：
x =

16
1
1
4
9
1
1

Ⅳ matlab遗传算法工具箱优化结果数值

ga就是在穷举不可能完成时,用一种方式找到最优解
ga工具的完整形式如下表示
[X,FVAL,EXITFLAG,OUTPUT,POPULATION,SCORES] =
GA(FITNESSFCN,NVARS,A,b,Aeq,beq,lb,ub,NONLCON,options)
X是最优自变量
FVAL是求得的最优值
其他以此是推出标志，结构体，终止时的总群，终止时种群函数值
后半部分以此是目标函数，目标函数自变量个数
A和b是线性约束不等式AX〈b
Aeq和beq是一对线性等式约束，AeqX=beq
lb是X值下限，ub是X值下限
NONLCON是非线性约束函数 options是运行方式。这两个可以写函数自己完成，也可默认
函数默认计算最小值，计算最大值要加负号

Ⅵ matlab 优化工具箱怎么用

首先看一个gui对遗传算法的应用， 求下列函数的极小值。 f(x)=x.^4-3*x.^3+x.^2-2; 利用遗传算法求内解容，选择ga solver（求解器），输入适应函数，输入变量个数，start就可以了，充分反应了遗传算法的优越性。 接着是对无约束一维极值问题的求解。...

Ⅶ matlab优化工具箱约束条件如何填写

static void(int[]group)
{
int temp;
int pos=0;
for(int i=0;i< group.Length-1;i++)
{
pos=i;
for(intj=i+1;j<group.Length;j++)
{
if(group[j]<group[pos])
{
pos=j;
}
}//第i个数与最小的数group[pos]交换
temp=group[i];
group[i]=group[pos];
group[pos]=temp;
}
}

Ⅷ matlab工具箱优化问题

这问题，不好意思
路过......拿两分

Ⅸ matlab 优化工具箱

在matlab命令窗口中输入:edit，然后将下列两行百分号之间的内容复制进去，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，输入以下命令，应当就有结果了。
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,[]); %%不好意思我是照你写的,这里应当是y,注意函数名一般不要取这么简单的,要不然有可能跟变量名重复.

%另外matlab是不认中文符号的，你自己注意一下。

Ⅹ MATLAB优化工具箱怎么试用

首先看一个gui对遗传算法的应用，
求下列函数的极小值。
f(x)=x.^4-3*x.^3+x.^2-2;
利用遗传算法求解，选择ga solver（求解器），输入适应函数，输入变量个数，start就可以了，充分反应了遗传算法的优越性。
接着是对无约束一维极值问题的求解。
首先是进退法搜索单谷函数的极值问题。原理就是在固定区间内按照一定步长无穷逼近最优解,不过无论怎样逼近，最后得到的还是符合精度的区间，并不是理论最优解。Matlab中用minJT函数来实现。
相关的函数代码可以在matlab相关文件夹中找到，这里就不多说，不过还是按这种方法求一下上面的极小值问题。
代码如下：
syms x;
f=x^4-3*x^3+x^2-2;
[x1,x2]=minJT(f,0,0.001);
在2009b中结果是。2009b已经没有这个函数了。
无语了一下，继续看下一种方法，黄金分割法。
也是一种无穷逼近法，利用黄金分割长生前一个区间中的内点，舍去一个端点。逐渐逼近最小值，是一种单向收缩法。
不过2009b也没有这个函数了。
然后是斐波那契法。
我们首先就会联想到斐波那契数列，不过这里确实用到了斐波那契数列。
斐波那契法显然是一种双向收缩法具体的搜索原理就不多追究了。
然后便是牛顿迭代法，原来就学过的一种速度相当快的迭代方法，其中优化后的全局牛顿法，一般的牛顿法需要初始点接近最值点而全局牛顿法则不需要这个要求。关最后还有割线法，二次插值和三次插值法。以后会慢慢补充相关的函数m文件的。