1.取在你所期望的值附近。
好处是效率高,不过有一点儿作弊之嫌
2.取n个随机数或者不同区间上的数,然后比较函数值大小决定
效率低,可以取到全局最小值
其实可以画出图来看一下大概曲线是什么样的,然后再决定x0取在什么地方
un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。