fmincon
函数fmincon()的具体格式为：
X=fmincon(fun,x0,A,b) X=fmincon(fun,x0,A,b,Aeq,Beq,Lb,Ub)
X=fmincon(fun,x0,A,b,Aeq,Beq,Lb,Ub,nonlcon,options)
[X,fval,exitflag,output]=fmincon(fun,x0,…)
[X,fval,exitflag,output,lambda,grad,Hessian]=fmincon(fun,x0,…)
参数中fun为目标函数，x0为变量的初始值，x为返回的满足要求的变量的值。A和b表示线性不等式约束，Aeq，Beq表示线性等式约束，Lb和Ub分别为变量的下界和上界约束，nonlcon表示非线性约束条件，options为控制优化过程的优化参数向量。 返回值fval为目标函数。exitflag>0表示优化结果收敛于解，exitflag=0表示优化超过了函数值的计算次数，exitflag<0表示优化不收敛。lambda是拉格朗日乘子，显示那个约束条件有效。grad表示梯度，hessian表示汉森矩阵。 例：使得目标函数在约束条件，下取得最小值。 设计的程序如下： 先把目标函数和约束条件分别编写成独立的m文件，注意，这样的m文件必须用function开头，并且文件名一定要和函数名一致。
目标函数的文件为： function f=objfun(x) f=exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1);
约束条件的文件为： function [c,ceq]=confun(x) c=[1.5+x(1)*x(2)-x(1)-x(2);-x(1)*x(2)-10]; %表示不等式非线性约束 ceq=[]; %表示等式非线性约束
优化的程序如下：
clear x0=[-1 1];
options=optimset('largescale','off','display','iter');
[x,fval,exitflag,output]=fmincon(@objfun,x0,[],[],[],[],[],[],@confun,options)
优化函数fmincon使用的大讨论
自己有个优化需要使用，但是使用时，老是出错误，请教一下是什么问题，
另外给大家
有约束的多元函数最小值非线性有约束的多元函数的标准形式为：
附图：
其中：x、b、beq、lb、ub是向量，A、Aeq为矩阵，C(x)、Ceq(x)是返回向量的函数，f(x)为目标函数，f(x)、C(x)、Ceq(x)可以是非线性函数。
在MATLAB5.x中，它的求解由函数constr实现。
01.
02.函数 fmincon
03.格式 x = fmincon(fun,x0,A,b)
04.x = fmincon(fun,x0,A,b,Aeq,beq)
05.x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
06.x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
07.x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
08.[x,fval] = fmincon(…)
09.[x,fval,exitflag] = fmincon(…)
10.[x,fval,exitflag,output] = fmincon(…)
11.[x,fval,exitflag,output,lambda] = fmincon(…)
12.[x,fval,exitflag,output,lambda,grad] = fmincon(…)
13.[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(…)
14.
复制代码参数说明：fun为目标函数，它可用前面的方法定义；
x0为初始值；
A、b满足线性不等式约束 ，若没有不等式约束，则取A=[ ]，b=[ ]；
Aeq、beq满足等式约束 ，若没有，则取Aeq=[ ]，beq=[ ]；
lb、ub满足 ，若没有界，可设lb=[ ]，ub=[ ]；
nonlcon的作用是通过
接受的向量x来计算非线性不等约束 和等式约束 分别在x处的估计C和Ceq，通过指定函数柄来使用，如：>>x = fmincon(@myfun,x0,A,b,Aeq,beq,lb,ub,@mycon)，先建立非线性约束函数，并保存为mycon.m：function [C,Ceq] = mycon(x)
C = …
% 计算x处的非线性不等约束 的函数值。
Ceq = …
% 计算x处的非线性等式约束 的函数值。
lambda是Lagrange乘子，它体现哪一个约束有效。
output输出优化信息；
grad表示目标函数在x处的梯度；
hessian表示目标函数在x处的Hessiab值。
iterations: 4 迭代次数为4次funcCount: 12 调用函数为12个或者别的意思吧lssteplength: 1 是否设定步长，若为1则表示设定stepsize: 3.7569e-008 步长为这个数字algorithm: 'medium-scale: SQP, Quasi-Newton, line-search' 所用到的算法firstorderopt: 3.5086e-009 计算中的第一个迭代值constrviolation: 0 message: [1x788 char] 程序中的字符数总量？我也不清楚希望有所帮助！