Matlab在目标规划问题中的应用.docx

《Matlab在目标规划问题中的应用.docx》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、Matlab在目标规划问题中的应用问题提出：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。优化问题无所不在，最优化方法的应用和研究也已经深入到了生产和科研的各个领域，如军事指挥、机械工程、运输调度、生产控制、经济规划与管理等，并取得了显著的经济效益和社会效益。这学期我们系统科学专业指挥类学员开设运筹学这门课，初步见识最优化方法的魅力。如今最优化方法的发展迅速，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。利用Matlab的优化工具箱，可以

2、求解线性规划、非线性规划和多目标规划问题。在学习运筹学的过程中，我们了解所谓优化问题，就是求解如下形式的最优解：Minfun(x)Sub.to［C.E.］［B.C.］其中fun(x)称为目标函数，Sub.to”为subjectto”的缩写，由其引导的部分称为约束条件。［C.E.］表示ConditionEquations,即条件方程，可为等式方程，也可为不等式方程。［B.C.］表示BoundaryConditions,即边界条件，用来约束自变量的求解域，以lb^qb的形式给出。当［C.E.］为空时，此优化问题称为自由优化或无约束优化问题；当［C.E.］不空时，称为有约束优化或强约束优化问

3、题。在优化问题中，根据变量、目标函数和约束函数的不同，可以将问题大致分精品资料为:・线性优化目标函数和约束函数均为线性函数。・二次优化目标函数为二次函数，而约束条件为线性方程。线性优化和二次优化统称为简单优化。・非线性优化目标函数为非二次的非线性函数，或约束条件为非线性方程。・多目标优化目标函数并非一个时，称为多目标优化问题。线性规划等最优化方法只有一个目标函数，是单目标最优化方法。但是，在许多实际工程问题中，往往希望多个指标都达到最优值，所以它有多个目标函数。这种问题称为多目标最优化问题。在运筹学中，这类问题分析较难，而计算最为繁琐。多目标最优化问题的数学模型为minnF(x)x-R

4、nGi(x)=0i=1,2,…Gi(x)三0i=m11ml2,,mxi_x_xu其中F(x)为目标函数向量。此优化问题在Matlab中主要由函数fgoalattain来实现。数学模型：精品资料minimizex,F(x)-weight-goalc(x)<0ce&x)=0Ax

5、al,weight)试图通过变化x来使目标函数fun达到goal指定的目标。初值为x0,weight参数指定权重。x=fgoalattain(fun,x0,goal,weight,A,b)求解目标达到问题，约束条件为线性不等式A*x<=b。x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq)求解目标达到问题，除提供上面的线性不等式外，还提供线性等式Aeq*x=beq。当没有不等式存在时，设置A=[]和b=[]。x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub)为设计变量x定义下精品资料界lb和上界

6、ub集合，这样始终有lb<=x<=ub。x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon)斗等目标达至U问题归结为nonlcon参数定义的非线性不等式c(x)或非线性等式ceq(x)。fgoalattain优化的约束条件为c(x)<=0和ceq(x)=0。若不存在边界，设置lb=[]和(或)ub=[]x=fgoalattain(fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon,options)options中设置的优化参数进行最小化x=fgoalattain(fun,x0,goa

7、l,weight,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2,…)将问题参数P1,P2等直接传递给函数fun和nonlcon。若不需要参数A,b,Aeq,beq,lb,ub,nonlcon和options,将它们设置为空矩阵。[x,fval]=fgoalattain(…)返回解x处的目标函数值。[x,fval,attainfactor]=fgoalattain(…)返回解x处的目标达到因子。[x,fval,a