1. 非线性规划与fmincon()基础入门
第一次接触非线性规划时,我被它强大的实用性震撼到了。相比线性规划,非线性规划能更好地描述现实世界中的复杂问题,比如机械臂的轨迹优化、电力系统的负荷分配、甚至是投资组合的收益最大化。Matlab中的fmincon()函数就像一把瑞士军刀,能帮我们解决这类问题。
fmincon()的基本语法是这样的:
matlab复制x = fmincon('fun',x0,A,b,Aeq,beq,lb,ub,'nonlcon',options)
看起来参数很多,但其实很好理解。'fun'就是我们的目标函数,可以用匿名函数定义;x0是初始猜测值,就像扔飞镖前要先瞄准一样;A,b,Aeq,beq处理线性约束;lb和ub是变量的上下界;'nonlcon'专门处理非线性约束;options可以调整算法参数。
我刚开始用的时候经常搞混参数顺序,后来发现一个记忆技巧:先目标函数和初始值,再线性不等式约束,接着线性等式约束,然后是边界约束,最后才是非线性约束和选项。这样记就不会乱了。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从简单例子入手理解fmincon()
2.1 线性约束下的优化
让我们从一个经典问题开始:Rosenbrock香蕉函数优化。这个函数长这样:
matlab复制fun = @(x)100*(x(2)-x(1)^2)^2 + (1-x(1))^2;
假设我们有个线性约束x₁ + 2x₂ ≤ 1,代码实现很简单:
matlab复制x0 = [0,0];
A = [1,2];
b = 1;
[x,fval] = fmincon(fun,x0,A,b)
运行后会得到最优解x = [0.5022, 0.2489],此时函数值fval = 0.2489。这个例子虽然简单,但包含了fmincon()的核心用法。
2.2 添加等式约束
如果我们再加个等式约束2x₁ + x₂ = 1,代码只需要稍作修改:
matlab复制Aeq = [2,1];
beq = 1;
[x,fval] = fmincon(fun,x0,A,b,Aeq,beq)
这时候解变成了x = [0.4149, 0.1701],fval = 0.3427。等式约束让解空间变小了,所以最优值比之前要大,这很合理。
