MATLAB优化问题应用实例讲解

2019-2-18 19:42| 发布者: gk-auto| 查看: 31| 评论: 23|原作者: gk-auto

摘要: 优化理论是一门实践性很强的学科。所谓最优化问题，一般是指按照给定的标准在某些约束条件下选取最优的解集。它被广泛地应用于生产管理、军事指挥和科学试验等领域，如工程设计中的最优设计、军事指挥中的最优火力配 ...

优化理论是一门实践性很强的学科。所谓最优化问题，一般是指按照给定的标准在某些约束条件下选取最优的解集。它被广泛地应用于生产管理、军事指挥和科学试验等领域，如工程设计中的最优设计、军事指挥中的最优火力配置问题等。优化理论和方法于20世纪50年代形成基础理论。在第二次世界大战期间，出于军事上的需要，提出并解决了大量的优化问题。但作为一门新兴学科，则是在G. B. Dantzig提出求解线性规划问题的单纯形法（1947年），H.W.Kuhnh和A.w.Tucker提出非线性规划基本定理（1951年），以及R.Bellman提出动态规划的最优化原理（1951年）以后。之后，由于计算机的发展，使优化理论得到了飞速的发展，至今已形成具有多分支的综合学科。其主要分支有：线性规划、非线性规划、动态规划、图论与网络、对策论、决策论等。

MATLAB提供了优化工具箱来进行优化问题求解，其中包括各种带约束优化问题求解、多目标优化、方程求解等功能。除了优化工具箱之外，MATLAB还提供了用途更为广泛的全局优化工具箱（Global Optimization Toolbox），提供了包括模式搜索法、模拟退火算法、遗传算法等智能算法，使用户面对各种不同的复杂问题时可以有更多的选择。

11.1 MATLAB优化工具箱

MATLAB的优化工具箱提供了对各种优化问题的一个完整的解决方案。MATLAB中的优化工具箱（Optimization Toolbox）中含有一系列的优化算法函数，这些函数拓展了MATLAB数字计算环境的处理能力，可以用于解决如下一些工程实际问题。

（1）求解无约束非线性极小值。

（2）求解约束非线性极小值，包括目标逼近问题，极大、极小值问题，以及半无限极小值问题。

（3）求解二次规划和线性规划问题。

（4）非线性最小二乘逼近和曲线拟合。

（5）约束线性最小二乘。

（6）求解复杂结构的大规模的优化问题，包括线性规划和约束非线性最小值。

（7）多目标优化，包括目标达成问题和极小、极大问题。

（8）优化工具箱还提供了求解非线性系统方程的函数。

11.1.1 MATLAB求解器

MATLAB优化工具箱拥有以下4类求解器。