《工程结构优化设计》

上机实验（三）

2013.12.04
上机目的
1、会使用Matlab工具箱求函数的极值；
2、会使用Matlab工具箱解决无约束最优化问题.

上机内容
1、 Matlab中函数的输入与调用；

2、函数极值的求法；
3、无约束最优化问题.
 第一节 Matlab中函数的输入与调用
一、自变量为数量形式的函数的输入

在Matlab中，函数是采用M文件的方式存储的。
具体步骤如下：

1、新建一个M文件：通过点击主窗口左上的新建按钮。
2、输入函数内容：

例：函数 f(x1,x2)=exp(X1^2+X2)

应在M文件中输入如下：
注意：
（1）、函数标识关键字：function
（2）、函数名：f1=f1 自变量: (x1,x2)
（3）、函数表达式：a=exp(x1^2+x2)
函数表达式可以由多个式子组成。
（4）、给函数结果赋值：f1=a
3、存储函数：点击编辑窗口的保存按钮。
注意:不要改变保存路径，文件名称必须和函数名称一致。

4、函数的调用：
函数保存后，在命令窗口中即可调用该函数。
如求上述函数在x1=1,x2=2处的函数值，即可在命令
窗口中输入：f1(1,2)
其中 f1 为刚才所输入的函数名。
 二、自变量为向量形式函数的输入

例：函数f(x)=exp(x(1)^2+x(2)).其中x=(x(1),x(2)),
即x为一个二维向量。
此时的输入与调用方式与数量时不同。

1、输入：
2、调用：
此时自变量为向量，调用格式为：f2([1,2])
或 x=[1 2]; f2(x) 即，自变量需采用向量形式输入。

3、实际运行结果如下：
>> f2([1,2])
ans =
20.0855
>> x=[1,2];
>> f2(x)
ans =
20.0855
 第二节 函数极值的求法
一、一元函数极值的求法
Matlab中，求一元函数极值的函数为 fminbnd

1、此函数最简输入格式为：x=fminbnd(f,a,b)
含义为：求函数f在区间[a,b]上的最小值点(自变量值).

2、对于最大值问题，需转化为最小值问题来处理。
( -f(x)在区间[a,b]上的最小值就是f(x)在[a,b]的最大值）
3、常用格式[x,fval]=fminbnd(f,a,b).
结果中，fval为最小值，x为取到最小值的点。

例：Matlab命令：
[x,fval]=fminbnd('x.^2+3*x+1',-2,3)
含义是：求函数f(x)=x^2+3*x+1在[-2,3]内的最小值。
结果为
x = -1.5000 fval = -1.2500

注：此时函数很简单，故没有使用M文件。
二、多元函数极值的求法
多元函数的最小值问题，在Matlab中有2个经常
使用的函数：
1、fminsearch 2、fminunc

注意：
（1）、在使用这两个函数时，必须首先用M文
件的形式存储待求最值的函数，并且需以向量函数
的形式表达；
（ 2）、最大值问题需转化为最小值问题。
 1、 fminsearch

（1）、此函数使用单纯型法搜索最值；

（2）、使用格式：
[x,fval]= fminsearch(@f,x0)
其中f为待求最值的向量函数，x0为搜索过程
开始时自变量的初始值。

例：fminsearch(@f,[1,2]) 含义为：在x=[1,2]附近搜
寻函数f的最小值。
例：求函数f(x,y)= -(x+y)+(x^2+y^2+1)在x=1,y=2
附近的最小值点。
解决步骤：
1、建立M文件，保存函数f；
M文件内容为：
function f1=f1(x)
a=-(x(1)+x(2));
b=(x(1)^2+x(2)^2+1);
f1=a+b;
2、调用fminsearch函数求最值.
在命令窗口中，输入：
x0=[1,2];
[x,fval]=fminsearch(@f1,x0)
3、输出结果为：
X = 0.5000 0.5000
fval =0.5000
 2、 fminunc
（1）、此函数与fminsearch不同的地方在于使用的
搜索方法不同，它使用牛顿法搜索最值，在效率上
有所提高；

（2）、使用格式与fminsearch类似：
[x,fval]= fminunc(@f,x0)
其中f为待求最值的向量函数，x0为搜索过程开
始时自变量的初始值。

例：fminunc(@f,[1,2]) 含义为：在x=[1,2]附近搜寻
函数f的最小值。
第三节 无约束最优化问题

求解无约束最优化问题的的基本思想

* Matlab优化工具箱简介
 一、求解无约束最优化问题的基本思想
标准形式： minn f  X 
XE

其中 f : E n  E1
maxn f  X  = minn [ f  X ]
XE X E

求解的基本思想 ( 以二元函数为例 )
x2 f ( X 0 )  f ( X1 )  f ( X 2 )
f ( x1 x2 )
连
X0
续
可
X1
微 3 1 X2
0
x2 5
x1 x1
0
 唯一极小
(全局极小)

f ( x1 x2 )  2 x12  2 x1 x2  x22  3x1  x2

f  0

f  0.298

f  0.298
多局部极小
 最优点 (1 1)
搜索过程 min f ( x1 x2 )  100( x2  x )  (1  x1 )
2 2
1
2
初始点 (-1 1)
x1 x2 f
-1 1 4.00
-0.79 0.58 3.39
-0.53 0.23 2.60
-0.18 0.00 1.50
0.09 -0.03 0.98
0.37 0.11 0.47
0.59 0.33 0.20
0.80 0.63 0.05
0.95 0.90 0.003
0.99 0.99 1E-4
0.999 0.998 1E-5
0.9997 0.9998 1E-8
 二、用Matlab解无约束优化问题（举例说明）
1. 一元函数无约束优化问题: min f（x） x1  x  x2
常用格式如下：
（1）x= fminbnd (fun,x1,x2)
（2）x= fminbnd (fun,x1,x2 ，options)
（3）[x，fval]= fminbnd（...）
（4）[x，fval，exitflag]= fminbnd（...）
（5）[x，fval，exitflag，output]= fminbnd（...）

其中（3）、（4）、（5）的等式右边可选用（1）或（2）
的等式右边。
函数fminbnd的算法基于黄金分割法和二次插值法，它要
求目标函数必须是连续函数，并可能只给出局部最优解。
 x
例1 求 f = 2e sin x 在 0<x<8 中的最小值与最大值
解 在matlab命令窗口中输入：
f='2*exp(-x).*sin(x)';
fplot(f,[0,8]); %作图语句
[xmin,ymin]=fminbnd (f, 0,8)
f1='-2*exp(-x).*sin(x)';
[xmax,ymax]=fminbnd (f1, 0,8)

运行结果：
xmin = 3.9270 ymin = -0.0279
xmax = 0.7854 ymax = 0.6448
例2 对边长为3米的正方形铁板，在四个角剪去相等的正方形以
制成方形无盖水槽，问如何剪法使水槽的容积最大？
解 设剪去的正方形的边长为x，则水槽的容积为： (3  2 x)2 x
建立无约束优化模型为：min y=- (3  2 x) x ， 0<x<1.5
2

先编写M文件fun0.m如下:
function f=fun0(x)
f=-(3-2*x).^2*x;
主程序为：
[x,fval]=fminbnd('fun0',0,1.5);
xmax=x
fmax=-fval

运算结果为: xmax = 0.5000,fmax =2.0000.即剪掉的正方形的边

长为0.5米时水槽的容积最大,最大容积为2立方米.
 2、多元函数无约束优化问题
标准型为：min F(X)

命令格式为:
（1）x= fminunc（fun,X0 ）；或x=fminsearch（fun,X0 ）
（2）x= fminunc（fun,X0 ，options）；
或x=fminsearch（fun,X0 ，options）
（3）[x，fval]= fminunc（...）；
或[x，fval]= fminsearch（...）
（4）[x，fval，exitflag]= fminunc（...）；
或[x，fval，exitflag]= fminsearch
（5）[x，fval，exitflag，output]= fminunc（...）；
或[x，fval，exitflag，output]= fminsearch（...）
说明:
•fminsearch是用单纯形法寻优. fminunc的算法见以下几点说明：
[1] fminunc为无约束优化提供了大型优化和中型优化算法。由options中
的参数LargeScale控制：
LargeScale=’on’(默认值),使用大型算法
LargeScale=’off’(默认值),使用中型算法

[2] fminunc为中型优化算法的搜索方向提供了4种算法，由 options中的参

数HessUpdate控制：
HessUpdate=’bfgs’（默认值），拟牛顿法的BFGS公式；
HessUpdate=’dfp’，拟牛顿法的DFP公式；
HessUpdate=’steepdesc’，最速下降法

[3] fminunc为中型优化算法的步长一维搜索提供了两种算法，由options中参
数LineSearchType控制：
LineSearchType=’quadcubic’(缺省值)，混合的二次和三次多项式插值；
LineSearchType=’cubicpoly’，三次多项式插

•使用fminunc和 fminsearch可能会得到局部最优解.
例3 min f(x)=(4x12+2x22+4x1x2+2x2+1)*exp(x1)

1、编写M-文件 fun1.m:
function f = fun1 (x)
f = exp(x(1))*(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1);

2、输入命令窗口中输入:
x0 = [-1, 1];
x=fminunc('fun1',x0);
y=fun1(x)

3、运行结果:
x= 0.5000 -1.0000
y = 1.3029e-10
 上机作业（三）
1、求函数 f ( x)  x2  3x  2 在区间[-10,10]内的最值？

2 x 2  3x  4
2、求函数 f ( x)  2 在区间[-1,3]内的最值？
x  2x  2

3、某工厂要制作一个容积为100立方米的无盖长方体
容器，问：怎样制作材料最省？

4、要制作一表面积为108平米的水池，问：怎样选择
长宽高，能使得容积最大？