matlab在优化设计中的应用

Matlab 在优化设计中的应用摘 要常见的优化问题包括线性规划、无约束优化、约束优化、最下二乘优化、多目标规划等。本文讨论了 matlab 在这些常见优化问题中的应用及求解。在进行讨论本课题之前，我们先通过网络、电子书刊等各种有效渠道猎取我们所需信息,在充分了解与熟练掌握了各种优化问题的具体特点及性质后，我们给出了关于如何用 matlab 进行多类优化问题的求解基本方法，在此前提下，为了体现该软件在这些优化领域的实际应用效果，我们结合若干个优化问题的实例进行分析、建模、以及运用 matlab 编程求解,在求解过程中，通过得到的精确数据和反应结果的图例，我们了解到 matlab 工具箱的功能强大，是处理优化问题的非常方便的编程工具。关键词：matlab 优化问题 二、基本概念2.1。1 线性规划线性规划是优化的一个重要分支。它在理论和算法上都比较成熟 ,在实际中有广泛的应用。例如数学表达形式:在 MTLAB 提供的优化工具箱中,解决规划的命令是，它的调用格式如下，求解下列形式的线性规划：求解下面形式的线性规划：若没有不等式约束，则只需命令。求解下面形式的线性规划：若没有不等式约束，则只需令;若只有下界约束，则可以不用输入。2.1。2 无约束优化算法对于无约束优化问题，已经有许多有效的算法。这些算法基本都是迭代法，它们都遵循下面的步骤：① 选取初始点 x0 ，一般来说初始点越靠近最优解越好；② 假如当前迭代点 xk不是原问题的最优解，那么就需要找一个搜索方向 pk，使得目标函数 f（x）从 xk出发，沿方向 pk有所下降;③ 用适当的方法选择步长 ak（≥0），得到下一个迭代点 xk+1=xk+akpk;④ 检验新的迭代点 xk+1 是否为原问题的最优解,或者是否与最优解的近似误差满足预先给定的容忍度.2.1.3 单变量约束优化问题单变量约束优化问题的标准形式为即为求目标函数在区间(a，b）上的微小点。2.1.4 最小二乘法优化最小二乘优化时一类非常特别的优化问题，它在实际中，尤其是在处理一些曲线拟合问题、线性方程组无解时的近似解等问题，用的非常多。最小二乘优化问题的目标函数一般为若干个函数的平方和，即：2。1.5 多目标规划问题 在大多数的优化、中,都将多目标规划的一般形式表述为:其中,、、既可以为线性函数,也可以为非线性函数。三、基本方法对于解决那些常见优化问题,基本思路将在解题的过程中得到体现。我们给出具体一些建模实例来体现基本算法：3。1 就下列命令求下面分段函数的微...