下载文档原格式
MATLAB优化应用非线性规划非线性规划是一类数学优化问题，其中目标函数和约束条件都是非线性的。
MATLAB作为一种强大的数值计算软件，提供了丰富的工具和函数，可以用于解决非线性规划问题。
本文将介绍如何使用MATLAB进行非线性规划的优化应用，并提供一个具体的案例来演示。
一、MATLAB中的非线性规划函数MATLAB提供了几个用于解决非线性规划问题的函数，其中最常用的是fmincon函数。
fmincon函数可以用于求解具有等式约束和不等式约束的非线性规划问题。
其基本语法如下：x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)其中，fun是目标函数，x0是变量的初始值，A和b是不等式约束的系数矩阵和右端向量，Aeq和beq是等式约束的系数矩阵和右端向量，lb和ub是变量的上下界，nonlcon是非线性约束函数，options是优化选项。
二、非线性规划的优化应用案例假设我们有一个工厂，需要生产两种产品A和B，目标是最大化利润。
产品A 和B的生产成本分别为c1和c2，售价分别为p1和p2。
同时，我们需要考虑两种资源的限制，分别是资源1和资源2。
资源1在生产产品A和B时的消耗分别为a11和a12，资源2的消耗分别为a21和a22。
此外，产品A和B的生产量有上下限限制。
我们可以建立以下数学模型来描述这个问题：目标函数：maximize profit = p1 * x1 + p2 * x2约束条件：c1 * x1 + c2 * x2 <= budgeta11 * x1 + a12 * x2 <= resource1a21 * x1 + a22 * x2 <= resource2x1 >= min_production_Ax2 >= min_production_Bx1 <= max_production_Ax2 <= max_production_B其中，x1和x2分别表示产品A和B的生产量，budget是预算，min_production_A和min_production_B是产品A和B的最小生产量，max_production_A和max_production_B是产品A和B的最大生产量。
MATLAB的线性规划问题的敏感性分析一．问题的提出在现在的日常生活中，我们常会遇到这样的问题，在不同的约束条件下找出最优点值或算出最佳的数值，以提高总产量或经济效益。
那么我们就需要假设一个模型出来，作为基本模型求解。
并找出其内在的规律以方便我们的生产生活的需要。
若约束条件改变，那么总产值是否也会有很大变化呢？让我们一起来研究。
二．具体案例如下：以某农场A，B ,C 等级耕地的面积分别为1002hm，计hm,3002hm,和2002划种植水稻，大豆和玉米，要求三种农作物最低收获量分别为190000kg,130000kg和350000kg。
农场kg kg kg,。
那么，（1）如何制定种植计划才能使总产量最大？（2）如何制定种植计划才能使总产值最大？表一：不同等级种植不同农作物的单产量（单位：2kg）/hm三．问题假设x，表示不同的农作物在根据题意，可以建立线性规划模型，假设决策变量为ij第j等级耕地上种植的面积。
hm）表2 作物计划种植面积（单位：2四．模型建立与分析1.模型：min z=cX S.t. AX b ≤命令：x=linprog(c,A,b) 2.模型：min z=cX S.t. AX b ≤ Aeq.X=beq命令：x=linprog(c,A,b,Aeq,beq)注意：若没有不等式：AX b ≤存在，则令A=[],b=[].3. [x,fval]=linprog(.....)左端fval 返回解X 处的目标函数值。
4.思路分析：找出约束条件——列出目标函数——作出可行域——求出最优解——敏感性分析——回答实际问题。
5.约束方程如下:耕地面积的约束：⎪⎩⎪⎨⎧≤++≤++≤++200300100332313322212312111x x x x x x x x x最低收获量的约束：⎪⎩⎪⎨⎧-≤----≤----≤---3500001000012000140001300006000680080001900009000950011000333231232221131211x x x x x x x x x并且注意：0≥ij x)3,2,13,2,1i ==j ；（ 则（1）追求总产量最大时，目标函数为：3332312322211312111000012000140006000680080009000950011000max x x x x x x x x x Z ---------=（2）追求总产值最大的目标函数为：)10001200014000(08.0)600068008000(5.1)900095001000(2.1max 333231232221131211x x x x x x x x x Z ++⨯-++⨯-++⨯-=可化简为333231232221131211800096001120090001020012000108001140013200max x x x x x x x x x Z ---------=五．模型建立与求解：1.对（1）求解，追求总产量最大时，MATLAB 程序如下：f=[-11000 -9500 -9000 -8000 -6800 -6000 -14000 -12000 -10000];A=[1 0 0 1 0 0 1 0 0 ;0 1 0 0 1 0 0 1 0;0 0 1 0 0 1 0 0 1;-11000 0 0 -9500 0 0 -9000 0 0; 0 -8000 0 0 -6800 0 0 -6000 0; 0 0 -14000 0 0 -12000 0 0-10000];b=[100 300 200 -190000 -130000 -350000];lb=[0 0 0 0 0 0 0 0 0];[xopt fxopt]=linprog(f,A,b,[],[],lb,[])Optimization terminated successfully.xopt =fxopt =-7000000键入S=-Z得到原问题的目标函数最大值为S=70000002.运行后敏感性分析后的MATLAB程序如下：从a=0开始，以步长01∆a对下列模型求解；=.0a=0;while(1.1-a)>1c=[-11000 -9500 -9000 -8000 -6800 -6000 -14000 -12000 -10000];A=[1 0 0 1 0 0 1 0 0 ;0 1 0 0 1 0 0 1 0;0 0 1 0 0 1 0 0 1;-11000 0 0 -9500 0 0 -9000 0 0; 0 -8000 0 0 -6800 0 0 -6000 0; 0 0 -14000 0 0 -12000 0 0 -10000];b=[100+a ;300+a; 200+a ;-190000+a ;-130000+a;-350000+a];Aeq=[]; beq=[];vlb=[0,0,0,0,0,0,0,0,0];vub=[];[x,val]=linprog(c,A,b,Aeq,beq,vlb,vub);ax=x'Q=-valplot(a,Q,'.'),hold ona=a+0.01;endxlabel('a'),ylabel('Q')gridOptimization terminated successfully.a =0 x = 0 0 0 0 0 0 100 300 200Q =7000000分析整理后结果对比如下：a =0 x = 0 0 0 0 0 0 100 300 200 Q = 7000000x =0 0 0 0 0 0 Q =7000360x =0 0 0 0 0 0 Q =7000720x =0 0 0 0 0 0 Q =7.0011e+006x =0 0 0 0 0 0 Q =7.0014e+006x = 0 0 0 0 0 0 Q =7.0018e+006x =0 0 0 0 0 0 100.06 Q =7.0022e+006x = 0 0 0 0 0 0 Q =7.0025e+006x =0 0 0 0 0 0 100.08 Q =7002880x =0 0 0 0 0 0 Q =7.0032e+006如果不好观测，还可以将a细分为0001∆a，程序基本不变，只需改变a.0=的步长即可，则运行后图像如下：观察图像后，最优值随a的参加变化不明显，但总在6.88e+6到6.9e+6与7e+6到7.02e+6两个区间内缓慢增长。
题 目 非线性规划的MATLAB 解法及其应用（一） 问题描述非线性规划是具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支。
非线性规划是20世纪50年代才开始形成的一门新兴学科。
70年代又得到进一步的发展。
非线性规划在工程、管理、经济、科研、军事等方面都有广泛的应用，为最优设计提供了有力的工具。
在经营管理、工程设计、科学研究、军事指挥等方面普遍地存在着最优化问题。
例如：如何在现有人力、物力、财力条件下合理安排产品生产，以取得最高的利润；如何设计某种产品，在满足规格、性能要求的前提下，达到最低的成本；如何确定一个自动控制的某些参数，使系统的工作状态最佳；如何分配一个动力系统中各电站的负荷，在保证一定指标要求的前提下，使总耗费最小；如何安排库存储量，既能保证供应，又使储存 费用最低；如何组织货源，既能满足顾客需要，又使资金周转最快等。
对于静态的最优化 问题，当目标函数或约束条件出现未知量的非线性函数，且不便于线性化，或勉强线性化后会招致较大误差时，就可应用非线性规划的方法去处理。
具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支。
非线性规划研究一个n 元实函数在一组等式或不等式的约束条件下的极值问题，且目标函数和约束条件至少有一个是未知量的非线性函数。
目标函数和约束条件都是线性函数的情形则属于线性规划。
本实验就是用matlab 软件来解决非线性规划问题。
（二） 基本要求掌握非线性规划的MATLAB 解法,并且解决相关的实际问题。
题一 ：对边长为3米的正方形铁板，在四个角剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？题二： 某厂生产一种产品有甲、乙两个牌号，讨论在产销平衡的情况下如何确定各自的产量，使总利润最大. 所谓产销平衡指工厂的产量等于市场上的销量.符号说明：z(x 1,x 2)表示总利润；p 1，q 1，x 1分别表示甲的价格、成本、销量； p 2，q 2，x 2分别表示乙的价格、成本、销量； a ij ，b i ，λi ,c i （i ，j =1，2）是待定系数.题三：设有400万元资金, 要求4年内使用完, 若在一年内使用资金x 万元, 则可得效益x 万元(效益不能再使用),当年不用的资金可存入银行, 年利率为10%. 试制定出资金的使用计划, 以使4年效益之和为最大.（三） 数据结构题一:设剪去的正方形的边长为x ，则水槽的容积为：x x )23(2-;建立无约束优化模型为：min y=-x x )23(2-， 0<x<1.5题二：总利润为： z(x1,x2)=(p1-q1)x1+(p2-q2)x2若根据大量的统计数据,求出系数b1=100,a11=1,a12=0.1,b2=280,a21=0.2,a22=2,r1=30,λ1=0.015,c1=20, r2=100,λ2=0.02,c2=30,则问题转化为无约束优化问题：求甲,乙两个牌号的产量x1，x2，使总利润z 最大.为简化模型,先忽略成本,并令a12=0,a21=0,问题转化为求:z1 = ( b1 - a11x1 ) x1 + ( b2 - a22x2 ) x2的极值. 显然其解为x1 = b1/2a11 = 50, x2 = b2/2a22 = 70,我们把它作为原问题的初始值.题三：设变量i x 表示第i 年所使用的资金数,则有 4,3,2,1,04.5321.121.1331.14841.121.14401.1400..max 43213212114321=≥≤+++≤++≤+≤+++=i x x x x x x x x x x x t s x x x x z i（四） 源程序题一：编写M 文件fun0.m:function f=fun0(x)f=-(3-2*x).^2*x;主程序为wliti2.m:[x,fval]=fminbnd('fun0',0,1.5);xmax=xfmax=-fval题二：建立M-文件fun.m:function f = fun(x)y1=((100-x(1)- 0.1*x(2))-(30*exp(-0.015*x(1))+20))*x(1); y2=((280-0.2*x(1)- 2*x(2))-(100*exp(-0.02*x(2))+30))*x(2); f=-y1-y2;输入命令:x0=[50,70];x=fminunc(‘fun ’,x0),z=fun(x)题三：建立M 文件 fun44.m,定义目标函数:function f=fun44(x)f=-(sqrt(x(1))+sqrt(x(2))+sqrt(x(3))+sqrt(x(4)));建立M 文件mycon1.m 定义非线性约束：function [g,ceq]=mycon1(x)g(1)=x(1)-400;g(2)=1.1*x(1)+x(2)-440;g(3)=1.21*x(1)+1.1*x(2)+x(3)-484;g(4)=1.331*x(1)+1.21*x(2)+1.1*x(3)+x(4)-532.4;ceq=0主程序youh4.m 为:x0=[1;1;1;1];vlb=[0;0;0;0];vub=[];A=[];b=[];Aeq=[];beq=[];[x,fval]=fmincon('fun44',x0,A,b,Aeq,beq,vlb,vub,'mycon1')（五） 运行结果题一:运算结果为: xmax = 0.5000,fmax =2.0000.即剪掉的正方形的边长为0.5米时水槽的容积最大,最大容积为2立方米.题二：运行结果为:x=23.9025, 62.4977, z=6.4135e+003即甲的产量为23.9025,乙的产量为62.4977,最大利润为6413.5.题三：运行结果为：x1=86.2;x2=104.2;x3=126.2;x4=152.8;z=43.1（六） 相关知识用Matlab 解无约束优化问题一元函数无约束优化问题21),(m in x x x x f ≤≤常用格式如下：（1）x= fminbnd (fun,x1,x2)（2）x= fminbnd (fun,x1,x2 ，options)（3）[x ，fval]= fminbnd （...）（4）[x ，fval ，exitflag]= fminbnd （...）（5）[x ，fval ，exitflag ，output]= fminbnd （...）其中（3）、（4）、（5）的等式右边可选用（1）或（2）的等式右边。
Matlab中的非线性优化算法技巧在数学和工程领域中，非线性优化是一个非常重要的问题。
它涉及到求解一个具有非线性约束条件的最优化问题。
Matlab作为一种强大的数值计算工具，为我们提供了多种非线性优化算法。
本文将探讨一些在Matlab中使用非线性优化算法时的一些技巧和经验。
首先，我们来了解一下什么是非线性优化。
简单来说，非线性优化是指在给定一组约束条件下，寻找使得目标函数达到最小或最大值的变量取值。
与线性优化问题不同，非线性优化问题中的目标函数和约束条件可以是非线性的。
这使得问题的求解变得更加复杂和困难。
在Matlab中，有多种非线性优化算法可供选择。
其中最常用的算法是Levenberg-Marquardt算法和拟牛顿算法。
Levenberg-Marquardt算法是一种迭代算法，通过不断近似目标函数的线性化形式来求解。
它在处理高度非线性的问题时表现出色。
拟牛顿算法则是一种基于梯度的优化算法，通过估计Hessian矩阵的逆来进行迭代优化。
它在处理大规模问题时效果比较好。
在使用这些算法时，我们需要注意一些技巧和经验。
首先，选择合适的初始点非常重要。
初始点的选取直接影响了算法的收敛性和求解效率。
通常情况下，我们可以通过采用随机化初始点的方法来增加算法的稳定性和鲁棒性。
其次，我们需要注意选择合适的迭代终止条件。
防止算法陷入无限循环是非常重要的。
通常我们可以根据目标函数值的变化幅度或者梯度的大小来判断算法是否收敛。
此外，合理设置迭代步长和学习率也是非常重要的。
过大的学习率可能导致算法发散，而过小的学习率可能导致收敛速度过慢。
此外，Matlab中还提供了一些辅助函数来帮助我们使用非线性优化算法。
其中最常用的是fmincon函数，它可以求解带约束条件的非线性优化问题。
我们可以通过设置输入参数来指定目标函数、约束条件、算法类型等。
此外，Matlab还提供了一些可视化函数，如plot函数和contour函数，可以方便我们观察目标函数的形状和初始点的选择。
使用Matlab进行非线性优化问题求解的技巧介绍：非线性优化在工程、金融、科学等领域广泛应用，它涉及到求解一个目标函数的最小值或最大值，并且满足一系列约束条件。
Matlab是一个功能强大的数值计算软件，提供了许多用于求解非线性优化问题的工具和函数。
本文将介绍一些使用Matlab进行非线性优化问题求解的技巧，帮助读者更有效地应用这些工具。
一、定义目标函数和约束条件在使用Matlab求解非线性优化问题之前，首先要明确问题的数学模型。
假设我们要最小化一个目标函数F(x)，并且存在一系列约束条件g(x) <= 0和h(x) = 0。
在Matlab中，可以使用函数形式或者符号形式来定义目标函数和约束条件。
例如，使用函数形式可以这样定义目标函数和约束条件：```matlabfunction f = objective(x)f = x(1)^2 + x(2)^2;endfunction [c, ceq] = constraints(x)c = [x(1) + x(2) - 1; x(1)^2 + x(2)^2 - 2];ceq = [];end```其中，objective函数定义了目标函数，constraints函数定义了约束条件。
在constraints函数中，c表示不等式约束条件g(x) <= 0，ceq表示等式约束条件h(x) = 0。
二、使用fmincon函数求解非线性优化问题Matlab提供了fmincon函数来求解非线性优化问题。
该函数的基本语法如下：```matlab[x, fval] = fmincon(fun, x0, A, b, Aeq, beq, lb, ub, nonlcon, options)```其中，fun表示目标函数，x0表示初始解，A表示不等式约束条件的线性部分，b表示不等式约束条件的右侧常数，Aeq表示等式约束条件的线性部分，beq表示等式约束条件的右侧常数，lb表示变量的下界，ub表示变量的上界，nonlcon表示非线性约束条件，options表示优化选项。
用MATLAB优化工具包解非线性规划2.8 用MATLAB优化工具包解非线性规划用MATLAB优化工具包求解非线性规划时必须先化为如下形式：(NLP)求解程序名为fmincon，其最简单的调用格式为：x = fmincon('fun',x0,A1,b1) （用于不含有等式约束和上下解约束的问题）其最复杂的调用格式为：[x,fval,exitflag,output,lambda,grad,hessian] =fmincon('fun',x0,A1,b1,A2,b2,v1,v2,'nlcon',options,P1,P2, ...)2.8.1 程序fmincon输出变量其中输出变量的含义为：1）x ：最优解2）fval ：最优解处的函数值3）exitflag ：程序结束时的状态指示：>0：收敛0：函数调用次数或迭代次数达到最大值（该值在options中指定）<0：不收敛4) Output: 包含以下数据的一个结构变量funcCount 函数调用次数iterations 实际迭代次数cgiterations 实际PCG迭代次数（大规模计算用）algorithm 实际使用的算法stepsize 最后迭代步长（中等规模计算用）firstorderopt 一阶最优条件满足的情况（目标函数梯度的范数）5) lambda: 包含以下数据（LAGRANGE乘子）的一个结构变量,总维数等于约束条件的个数，其非零分量对应于起作用的约束条件：ineqlin 不等式约束的LAGRANGE乘子eqlin 等式约束的LAGRANGE乘子upper 上界约束的LAGRANGE乘子lower 下界约束的LAGRANGE乘子6) grad: 目标函数梯度7) hessian: 目标函数的hessian矩阵2.8.2 程序fmincon输入参数其中输入变量的含义为：x0为初始解（缺省时程序自动取x0=0）A1,b1,A2,b2,v1,v2：含义见模型（NLP）Fun.m给出目标函数，当GradObj='on'时必须给出其梯度，当Hessian='on'时还必须给出其Jacobi矩阵，一般形式为function [f,g,H] = fun(x)f = ... % objective function valueif nargout > 1g = ... % gradient of the functionif nargout > 2H = ... % Hessian of the functionendnlcon.m给出非线性约束,GradConstr='on'时还给出梯度,一般形式为function [c1,c2,GC1,GC2] = nlcon(x)c1 = ... % nonlinear inequalities at xc2 = ... % nonlinear equalities at xif nargout > 2GC1 = ... % gradients of c1GC2 = ... % gradients of c2endoptions：包含算法控制参数的结构设定（或显示）控制参数的命令为Optimset，有以下一些用法：Optimset //显示控制参数optimset optfun //显示程序'optfun'的控制参数opt=optimset //控制参数设为[]（即缺省值opt=optimset(optfun)// 设定为程序'optfun'的控制参数缺省值Opt=optimset('par1',val1,'par2',val2,...)Opt=optimset(oldopts,'par1',val1,...)opt=optimset(oldopts,newopts)可以设定的参数比较多，对fmincon，常用的有以下一些参数：Diagnostics 是否显示诊断信息（'on' 或'off'）Display 显示信息的级别（'off' ，'iter' ，'final'，'notify'）LargeScale 是否采用大规模算法（'on' 或'off'）MaxIter 最大迭代次数TolCon 约束的误差限TolFun 函数计算的误差限TolX 决策变量的误差限GradObj 目标函数是否采用分析梯度（'on' ，'off'）Jacobian 目标函数是否采用分析Jacob矩阵（'on' ，'off'）MaxFunEvals 目标函数最大调用次数GradConstr 非线性约束函数是否采用分析梯度（'on' ，'off'）2.8.3 注意事项fmincon中输出变量、输入参数不一定写全，可以缺省。
线性规划问题及灵敏度分析在LINGO软件中的实现（龙少波李东阳罗添元）一、问题的提出：某公司饲养实验用的动物以出售给动物研究所，已知这些动物的生长对饲料中3种营养成分（蛋白质、矿物质和维生素）特别敏感，每个动物每周至少需要蛋白质60g，矿物质3g，维生素8mg，该公司能买到5种不同的饲料，每种饲料1kg 所含各种营养成分和成本如下表所示，如果每个小动物每周食用饲料不超过52kg，才能满足动物生长需要。
问题：1．求使得总成本最低的饲料配方？2．如果另一个动物研究对蛋白质的营养要求变为59单位，但是要求动物的价格比现在的价格便宜0.3元，问该养殖所值不值得接受？3．由于市场因素的影响，X2的价格降为0.6元每千克，问是否要改变饲料配方？二、建立线性规划数学模型解答：（1）设需要饲料A1, A2, A3, A4分别为X1, X2, X3, X4kg，则建立线性规划数学模型如下：目标函数：MinS=0.2X1+0.7X2+0.4X3+0.3X4+0.5X5约束条件：0.3X1+2X2+X3+0.6X4+1.8X5>=600.1X1+0.05X2+0.02X3+0.2X4+0.05X5>=3005X1+0.1X2+0.02X3+0.2X4+0.08X5>=8X1+X2+X3+X4+X5<=52X1, X2, X3, X4, X5>=0三、在LINGO软件中的求解在LINGO中输入下面的命令：Model：Min=0.2*x1+0.7*x2+0.4*x3+0.3*x4+0.5*x5;0.3*x1+2*x2+x3+0.6*x4+1.8*x5>60;0.1*x1+0.05*x2+0.02*x3+0.2*x4+0.05*x5>3;0.05*x1+0.1*x2+0.02*x3+0.2*x4+0.08*x5>8;x1+x2+x3+x4+x5<52;end操作：选菜单Lingo|Solve(或按Ctrl+S),或用鼠标点击“求解”按纽，如果模型有语法错误，则弹出一个标题为“LINGO Error Message”(错误信息)的窗口，指出在哪一行有怎样的错误，每一种错误都有一个编号（具体含义可查阅相关文献或LINGO的Help）.改正错误以后再求解，如果语法通过，LINGO用内部所带的求解程序求出模型的解，然后弹出一个标题为“LINGO Solver Status”（求解状态）的窗口，其内容为变量个数、约束条件个数、优化状态、耗费内存、所花时间等信息，点击Close关闭窗口，屏幕上出现标题为“Solution Report”（解的报告）的信息窗口，显示优化计算（线性规划中换基迭代）的步数、优化后的目标函数值、列出各变量的计算结果.输出结果如下:Global optimal solution found at iteration: 4Objective value: 22.40000Variable Value Reduced CostX1 0.000000 0.7000000X2 12.00000 0.000000X3 0.000000 0.6166667X4 30.00000 0.000000X5 10.00000 0.000000Row Slack or Surplus Dual Price1 22.40000 -1.0000002 0.000000 -0.58333333 4.100000 0.0000004 0.000000 -4.1666675 0.000000 0.8833333四、结果分析：(一) 一般分析1.因此,每周每个动物的配料为饲料A2、A4、A5分别为12、30和10kg，合计为52KG，可使得饲养成本达到最小，最小成本为22.4元；2. “Reduced Cost”表示当变量有微小变动时, 目标函数的变化率。
