下载文档原格式
m a t l a b优化工具箱介绍matlab优化工具箱介绍分类： Matlab2007-11-03 20:27 6405人阅读评论(0) 收藏举报在生活和工作中，人们对于同一个问题往往会提出多个解决方案，并通过各方面的论证从中提取最佳方案。
最优化方法就是专门研究如何从多个方案中科学合理地提取出最佳方案的科学。
由于优化问题无所不在，目前最优化方法的应用和研究已经深入到了生产和科研的各个领域，如土木工程、机械工程、化学工程、运输调度、生产控制、经济规划、经济管理等，并取得了显著的经济效益和社会效益。
用最优化方法解决最优化问题的技术称为最优化技术，它包含两个方面的内容：1）建立数学模型即用数学语言来描述最优化问题。
模型中的数学关系式反映了最优化问题所要达到的目标和各种约束条件。
2）数学求解数学模型建好以后，选择合理的最优化方法进行求解。
最优化方法的发展很快，现在已经包含有多个分支，如线性规划、整数规划、非线性规划、动态规划、多目标规划等。
9.1 概述利用Matlab的优化工具箱，可以求解线性规划、非线性规划和多目标规划问题。
具体而言，包括线性、非线性最小化，最大最小化，二次规划，半无限问题，线性、非线性方程（组）的求解，线性、非线性的最小二乘问题。
另外，该工具箱还提供了线性、非线性最小化，方程求解，曲线拟合，二次规划等问5．大型方法的演示函数9.1.3 参数设置利用optimset函数，可以创建和编辑参数结构；利用optimget函数，可以获得options优化参数。
● optimget函数功能：获得options优化参数。
语法：val = optimget(options,'param')val = optimget(options,'param',default)描述：val = optimget(options,'param') 返回优化参数options中指定的参数的值。
val = optimget(options,'param') 返回优化参数options中指定的参数的值。
只需要用参数开头的字母来定义参数就行了。
val = optimget(options,'param',default) 若options结构参数中没有定义指定参数，则返回缺省值。
注意，这种形式的函数主要用于其它优化函数。
举例：1．下面的命令行将显示优化参数options返回到my_options结构中：val = optimget(my_options,'Display')2．下面的命令行返回显示优化参数options到my_options结构中（就象前面的例子一样），但如果显示参数没有定义，则返回值'final':optnew = optimget(my_options,'Display','final');参见：optimset● optimset函数功能：创建或编辑优化选项参数结构。
语法：options = optimset('param1',value1,'param2',value2,...)optimsetoptions = optimsetoptions = optimset(optimfun)options = optimset(oldopts,'param1',value1,...)options = optimset(oldopts,newopts)描述：options = optimset('param1',value1,'param2',value2,...) 创建一个称为options的优化选项参数，其中指定的参数具有指定值。
所有未指定的参数都设置为空矩阵[]（将参数设置为[]表示当options传递给优化函数时给参数赋缺省值）。
Matlab 优化工具箱x = bintprog （f ， A, b, Aeq, Beq ， x0, options ） 0—1规划 用MATLAB 优化工具箱解线性规划命令：x=linprog(c ，A ，b ） 2、模型：命令：x=linprog(c ，A ，b ，Aeq ，beq ） 注意：若没有不等式：存在，则令A=［ ]，b=[ ］. 若没有等式约束， 则令Aeq=［ ]， beq=[ ].min z=cX1、模型：3、模型：命令：［1］x=linprog（c，A，b，Aeq，beq，VLB，VUB）[2］x=linprog（c，A，b，Aeq,beq，VLB，VUB, X0）注意：［1] 若没有等式约束，则令Aeq=[ ］，beq=［]. [2]其中X0表示初始点4、命令:［x,fval]=linprog（…）返回最优解ｘ及ｘ处的目标函数值fval.例1 max解编写M文件小xxgh1。
m如下：c=［-0.4 —0。
28 —0.32 —0.72 -0.64 -0。
6］；A=[0。
01 0.01 0.01 0.03 0。
03 0.03;0。
02 0 0 0。
05 0 0;0 0。
02 0 0 0。
05 0;0 0 0.03 0 0 0。
08］；b=[850；700；100;900]；Aeq=[]; beq=［];vlb=[0；0；0;0;0;0]；vub=[］；[x，fval］=linprog(c,A，b，Aeq，beq,vlb,vub)例2解: 编写M文件xxgh2.m如下：c=[6 3 4］；A=[0 1 0]；b=[50];Aeq=［1 1 1］；beq=［120];vlb=[30,0,20］;vub=［];［x，fval]=linprog（c,A,b,Aeq，beq,vlb，vub例3 (任务分配问题）某车间有甲、乙两台机床，可用于加工三种工件。
假定这两台车床的可用台时数分别为800和900，三种工件的数量分别为400、600和500，且已知用三种不同车床加工单位数量不同工件所需的台时数和加工费用如下表.问怎样分配车床的加工任务，才能既满足加工工件的要求,又使加工费用最低？解设在甲车床上加工工件1、2、3的数量分别为x1、x2、x3，在乙车床上加工工件1、2、3的数量分别为x4、x5、x6。
OptimizationToolboxMATLAB优化工具箱Optimization Toolbox－－求解常规和大型优化问题Optimization Toolbox 提供了应用广泛的算法集合，用于求解常规和大型的优化问题。
这些算法解决带约束、无约束的、连续的和离散的优化问题。
这些算法可以求解带约束的、无约束的以及离散的优化问题。
工具箱中包含的函数可以用于线性规划、二次规划、二进制整数规划、非线性优化、非线性最小二乘、非线性方程、以及多目标优化等。
用户能够使用这些算法寻找最优解，进行权衡分析，在多个设计方案之间平衡，以及将优化算法集成到算法和模型之中。
主要特点交互式工具用于定义、求解优化问题，并能监控求解过程求解非线性优化和多目标优化问题求解非线性最小二乘，数据拟合和非线性方程提供了解决二次方程和线性规划问题的方法提供了解决二进制整数规划问题的方法某些带约束条件的非线性求解器支持并行运算使用Optimization Toolbox 中的基于梯度的求解器寻找峰值函数（peaks function）的局部最小解。
运用优化工具箱提供的大型线性最小二乘法修复一张模糊的照片。
定义，求解以及评定优化问题优化工具箱提供了解决极小极大值问题的最常用方法。
工具箱包含了常规和大型优化问题的算法，使用户可以利用问题的稀疏结构来求解问题。
用户可以通过命令行或图形用户界面Optimization Tool调用工具箱函数和求解器选项。
通过命令行运行的优化程序(左，调用了定义指标函数（右上）和限定条件方程（右下）的MATLAB文件。
Optimization T ool 是一个将一般优化工作简单化的图形用户界面。
通过该图形用户界面，用户能够完成以下操作：定义自己的优化问题并选择求解器配置，检验优化选项和所选求解器的默认设置运行优化问题，显示中间以及最终结果在可选择的快速帮助窗口中查看特定求解器的文档在MATLAB 的工作空间和优化工具之间导入和导出用户问题的定义，算法配置和结果保存用户工作和使工作自动化，自动生成M 语言代码调用Global Optimization Toolbox中的求解器使用Optimization Tool 设置并求解的一个优化程序(左)。
Optimization Toolbox－－求解常规和大型优化问题Optimization Toolbox 提供了应用广泛的算法集合，用于求解常规和大型的优化问题。
这些算法解决带约束、无约束的、连续的和离散的优化问题。
这些算法可以求解带约束的、无约束的以及离散的优化问题。
工具箱中包含的函数可以用于线性规划、二次规划、二进制整数规划、非线性优化、非线性最小二乘、非线性方程、以及多目标优化等。
用户能够使用这些算法寻找最优解，进行权衡分析，在多个设计方案之间平衡，以及将优化算法集成到算法和模型之中。
主要特点∙交互式工具用于定义、求解优化问题，并能监控求解过程∙求解非线性优化和多目标优化问题∙求解非线性最小二乘，数据拟合和非线性方程∙提供了解决二次方程和线性规划问题的方法∙提供了解决二进制整数规划问题的方法∙某些带约束条件的非线性求解器支持并行运算使用Optimization Toolbox 中的基于梯度的求解器寻找峰值函数（peaks function）的局部最小解。
运用优化工具箱提供的大型线性最小二乘法修复一张模糊的照片。
定义，求解以及评定优化问题优化工具箱提供了解决极小极大值问题的最常用方法。
工具箱包含了常规和大型优化问题的算法，使用户可以利用问题的稀疏结构来求解问题。
用户可以通过命令行或图形用户界面Optimization Tool调用工具箱函数和求解器选项。
通过命令行运行的优化程序(左，调用了定义指标函数（右上）和限定条件方程（右下）的MATLAB文件。
Optimization Tool 是一个将一般优化工作简单化的图形用户界面。
通过该图形用户界面，用户能够完成以下操作：∙定义自己的优化问题并选择求解器∙配置，检验优化选项和所选求解器的默认设置∙运行优化问题，显示中间以及最终结果∙在可选择的快速帮助窗口中查看特定求解器的文档∙在MATLAB 的工作空间和优化工具之间导入和导出用户问题的定义，算法配置和结果∙保存用户工作和使工作自动化，自动生成M 语言代码∙调用Global Optimization Toolbox中的求解器使用Optimization Tool 设置并求解的一个优化程序(左)。
matlab optimization toolbox求解方程摘要：1.MATLAB 优化工具箱简介2.使用MATLAB 优化工具箱求解方程的步骤3.实例：使用MATLAB 优化工具箱求解线性方程组4.结论正文：一、MATLAB 优化工具箱简介MATLAB 优化工具箱（Optimization T oolbox）是MATLAB 的一款强大的数学优化软件包，它为用户提供了丰富的求解最优化问题的工具和函数。
使用MATLAB 优化工具箱，用户可以方便地解决各种复杂的优化问题，例如线性规划、二次规划、非线性规划、最小二乘等。
二、使用MATLAB 优化工具箱求解方程的步骤1.导入MATLAB 优化工具箱：在MATLAB 命令窗口中输入`clc`，清除命令窗口的多余信息，然后输入`optimtoolbox`，回车，即可导入MATLAB 优化工具箱。
2.定义目标函数：根据需要求解的方程，定义相应的目标函数。
例如，求解线性方程组，可以将方程组表示为一个线性目标函数。
3.制定优化参数：根据目标函数和约束条件，设置相应的优化参数，例如优化方法、搜索范围等。
4.调用求解函数：根据优化参数，调用MATLAB 优化工具箱中的求解函数，例如`linprog`、`fmincon`等，求解目标函数的最优解。
5.分析结果：根据求解函数返回的结果，分析目标函数的最优解、约束条件的满足程度等。
三、实例：使用MATLAB 优化工具箱求解线性方程组假设需要求解如下线性方程组：```x + y + z = 62x - y + z = 53x + 2y - z = 4```1.导入MATLAB 优化工具箱：`clc; optimtoolbox`2.定义目标函数：`f = [6; -5; 4];`3.制定优化参数：`A = [1 1 1; 2 -1 1; 3 2 -1]; b = [6; -5; 4]; lb = [0; 0; 0]; ub = [0; 0; 0];`4.调用求解函数：`[x, fval] = linprog(f, [], [], A, b, lb, ub);`5.分析结果：`disp(x);`四、结论通过以上实例，我们可以看到，使用MATLAB 优化工具箱求解线性方程组非常方便。
