1 简介
引言
在实际工程应用中,通过在多个初始点上使用传统数值优化方法来求取全局解的方法仍然被人们所采用,但是这种处理方法求得全局解的概率不高,可靠性低,因此建立尽可能大概率的求解全局解算法仍然是一个重要问题。
求解非线性规划问题要比求解线性规划问题困难得多。非线性规划有着众多的算法,而且仍有新算法不断地被提出来,但它却不像线性规划有单纯形法这一通用解法,各个算法都有特定的适用范围,带有一定的局限性。通常,求解带约束条件的非线性规划问题的常见方法是:将约束问题化为无约束问题,将非线性规划问题化为线性规划问题,以及将复杂问题转化为简单的问题。


2 部分代码
x0 = [3.0000 5.0000 0.0707 7.0000 0 0.9293 0 0 3.9293 0 6.0000 ...10.0707 6.3875 4.3943 5.7511 7.1867]';A=[1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0;0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0];b=[20;20];Aeq=[1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0;...0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0;...0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0;...0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0;...0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0;...0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0];beq=[3;5;4;7;6;11];VLB=[0;0;0;0;0;0;0;0;0;0;0;0];VUB=[];[x,fval]=fmincon('f1',x0,A,b,Aeq,beq,VLB,VUB)s=[1.25, 8.75, 0.5, 5.75, 3, 7.25];t=[1.25, 0.75, 4.75, 5, 6.5, 7.25];plot(s,t,'^')text(1.25,1.25,'+3');text(8.75,0.75,'+5');text(0.5,4.75,'+4');text(5.75,5,'+7');text(3,6.5,'+6');text(7.25,7.25,'+11');text(x(13),x(14),'A');text(x(15),x(16),'B');% [x,mu,lambda,output]=multphr('f1','h1','g1','df1','dh1','dg1',x0)
3 仿真结果

4 参考文献
[1]李卫江, 郭晓汾, 张毅,等. 基于Matlab优化算法的物流中心选址[J]. 长安大学学报(自然科学版), 2006, 026(003):76-79.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。
优化算法求解非线性规划:全局解探索与Matlab实例
本文探讨了在工程实践中使用传统方法求解全局非线性规划问题的挑战,介绍了如何通过转换和优化算法如fmincon来解决。作者分享了MATLAB代码实例,并展示了求解过程中的仿真结果。重点在于提高求解全局解的概率和算法的实用性。
228

被折叠的 条评论
为什么被折叠?



