数学建模：线性与非线性优化算法

文章首发于我的个人博客：欢迎大佬们来逛逛

数学建模：线性与非线性优化算法

优化算法是指在满足一定条件下,在众多方案中或者参数中最优方案,或者参数值,以使得某个或者多个功能指标达到最优,或使得系统的某些性能指标达到最大值或者最小值

优化的两个关键点：

1.明确优化的目标函数
2.明确优化变量之间需要满足的约束

线性优化

使用函数：linprog

函数原型：

[x,fval]=linprog(f,A,b,Aeq,Beq,LB,UB)

• x：求得最优情况下变量的解
• fval：求得最优目标值
• f：目标函数的系数（符号按最小值标准，若目标是求解机大值可以通过添加负号改成求极小值）
• A：不等式约束的变量系数（符合按小于标准，如果是大于约束可通过加负号变成小于）
• b：不等式约束的常量
• Aeq：等式约束的变量系数
• Beq：等式约束的常量
• LB：变量的下限
• UB：变量的上限

例如我们需要计算求解如下线性函数的最优解：

$$\begin{array}{c}min\{-x_1-2x_2+3x_3\}\\ x_1+x_2⩾3\\ x_2+x_3⩾3\\ x_1+x_3=4\\ 0\le x_1,x_2,x_3\le 2\end{array}$$

clc;clear;

f = [-1;-2;3];
%% 不等式约束
A = [-1,-1,0;0,-1,-1];
B = [-3,-3];

%% 等式约束
Aeq = [1,0,1];
Beq = [4];

%% 上下限
LB = zeros(3,1);
UB = 2*ones(3,1);

%% 线性优化
[x,fval] = linprog(f,A,B,Aeq,Beq,LB,UB);

%% 输出结果

objstr = ['目标函数最优值：',num2str(fval)];
disp(objstr);
for i = 1:length(x)
    xstr = ['x',num2str(i),'的系数为: ',num2str(x(i))];
    disp(xstr);
end

---

非线性优化

fmincon是MATLAB的非线性规划求解函数

[x,fval]=fmincon(fun,x0,A,b,Aeq,Beq,LB,UB,nonlcon)

• x：求得最优情况下变量的解
• fval：求得最优目标值
• fun：目标函数（符号按最小值标准，若目标是求解机大值可以通过添加负号改成求极小值）
• x0：初始解
• A：不等式约束的变量系数（符合按小于标准，如果是大于约束可通过加负号变成小于）
• b：不等式约束的常量
• Aeq：等式约束的变量系数
• Beq：等式约束的常量
• LB：变量的下限
• UB：变量的上限
• nonlcon :非线性约束函数表达式

$$\begin{array}{c}max\left\{\begin{array}{c}{x}_1^2-x_2^2+x_2{x}_3\end{array}\right\}\\ 2x_1+x_2+3x_3\le 6\\ x_1^2+x_1{x}_2+x_2{x}_3\le x_2+6\\ 0\le x_1,x_2,x_3\le 1\end{array}$$

clc;clear;

% 指定初始解
x0 = zeros(3,1);
%% <线性>不等约束
A = [2,1,3];
B = [6];

%% <线性>等式约束
Aeq = [];
Beq = [];

%% 变量上下限
LB = zeros(3,1);
UB = 1*ones(3,1);

%% 整体非线性优化目标函数
fun = @(x) -x(1)^2-x(2)^2+x(2)*x(3);

%% 取得非线性不等式约束函数
nonlcon = @noLinearLimited;
[x,fval] = fmincon(fun,x0,A,B,Aeq,Beq,LB,UB,nonlcon);

objstr=['目标函数最优值：',num2str(-fval)];
disp(objstr)
for i=1:length(x)
    xstr=['x',num2str(i),'的值为：',num2str(x(i))];
    disp(xstr)
end

%% 非线性不等式约束的表达式，如果有多个，则在C后面加; 补充即可
function [C,Ceq] = noLinearLimited(x)
    C = [x(1)^2+x(1)*x(2)+x(2)*x(3)-x(2)-6];
    Ceq = [];
end