使用MATLAB的fmincon函数进行约束优化指南

一、fmincon函数基础语法

fmincon是MATLAB中用于求解非线性约束优化问题的核心函数，其基本语法如下：

[x, fval] = fmincon(fun, x0, A, b, Aeq, beq, lb, ub, nonlcon, options)

• 参数说明：

• fun: 目标函数句柄（需返回标量值）

• x0: 初始猜测解（标量/向量/矩阵）

• A, b: 线性不等式约束 A*x ≤ b

• Aeq, beq: 线性等式约束 Aeq*x = beq

• lb, ub: 变量上下界 lb ≤ x ≤ ub

• nonlcon: 非线性约束函数句柄（返回[c, ceq]）

• options: 优化选项（如算法选择、容差设置）

---

二、约束类型详解与实现

1. 线性约束

示例：求解Rosenbrock函数在x1 + 2x2 ≤ 1下的最小值

fun = @(x) 100*(x(2)-x(1)^2)^2 + (1-x(1))^2;
A = [1, 2];   % 不等式系数矩阵
b = 1;        % 不等式右侧向量
x0 = [-1, 2]; % 初始点
[x, fval] = fmincon(fun, x0, A, b);

输出：

x = [0.5022, 0.2489](@ref)fval = 0.0196

2. 非线性约束

示例：在圆内(x1-1/3)^2 + (x2-1/3)^2 ≤ (1/3)^2优化Rosenbrock函数

% 非线性约束函数
function [c, ceq] = circlecon(x)
    c = (x(1)-1/3)^2 + (x(2)-1/3)^2 - (1/3)^2; % 不等式约束
    ceq = [];                                   % 无等式约束
end

% 调用fmincon
nonlcon = @circlecon;
lb = [0, 0.2](@ref); ub = [0.5, 0.8](@ref);
[x, fval] = fmincon(fun, [0.25,0.25](@ref), [], [], [], [], lb, ub, nonlcon);

输出：

x = [0.5000, 0.2500](@ref)fval = 0.1054

---

三、关键参数配置

1. 算法选择

通过optimoptions设置优化算法：

options = optimoptions('fmincon', ...
    'Algorithm', 'sqp',    % 算法类型：interior-point/sqp/active-set
    'Display', 'iter',     % 显示迭代信息
    'MaxIterations', 1000,// 最大迭代次数
    'TolFun', 1e-6,       % 函数值收敛容差
    'TolCon', 1e-6);      % 约束容差

2. 变量边界处理

• 无界变量：设置lb = -Inf或ub = Inf

• 多维边界：向量形式指定每个维度的上下限

lb = [0, -Inf, 10](@ref);  % x1≥0, x2无下限, x3≥10
ub = [5, 20, Inf](@ref);   % x1≤5, x2≤20, x3无上限

---

四、完整优化流程示例

问题：在x1 + x2 = 1和x1^2 + x2^2 ≤ 0.5下最小化f(x) = x1^2 + x2^2

% 目标函数
fun = @(x) x(1)^2 + x(2)^2;

% 线性等式约束 Aeq*x = beq
Aeq = [1, 1](@ref); beq = 1;

% 非线性不等式约束
nonlcon = @(x) deal([], x(1)^2 + x(2)^2 - 0.5);

% 初始点与边界
x0 = [0.5, 0.5](@ref); lb = [-Inf, -Inf](@ref); ub = [Inf, Inf](@ref);

% 调用fmincon
options = optimoptions('fmincon', 'Algorithm', 'interior-point');
[x, fval, exitflag] = fmincon(fun, x0, [], [], Aeq, beq, lb, ub, nonlcon, options);

% 结果输出
disp('最优解:');
disp(x);              % x = [0.7071, 0.2929](@ref)disp('目标函数值:');
disp(fval);           % 0.5
disp(['退出标志: ', num2str(exitflag)]); % 1（成功收敛）

参考代码 使用MATLAB中fmincon函数进行约束规划，解决最优化问题 www.youwenfan.com/contentcns/101399.html

五、常见问题与解决方案

问题现象	可能原因	解决方案
收敛失败（exitflag=0）	初始点不满足约束	调整初始点或放宽约束范围
迭代次数超限	目标函数复杂/收敛速度慢	增加MaxIterations或调整步长
约束冲突（无可行解）	约束条件相互矛盾	检查约束逻辑，扩大可行域
梯度计算错误	未提供梯度信息	使用GradObj选项或符号计算梯度

梯度计算示例：

% 目标函数梯度
function [f, g] = fun_grad(x)
    f = x(1)^2 + x(2)^2;
    g = [2*x(1); 2*x(2)];
end

% 调用时指定梯度
options = optimoptions('fmincon', 'GradObj', 'on');
[x, fval] = fmincon(fun_grad, x0, [], [], Aeq, beq, lb, ub);

---

六、高级应用场景

1. 多目标优化：结合gamultiobj函数处理Pareto前沿

2. 动态约束：在nonlcon中引入时间相关约束

3. 鲁棒优化：在目标函数中加入不确定性项

---

通过合理设置约束条件和优化参数，fmincon能够高效解决工程优化、参数估计等领域的复杂问题。建议结合MATLAB的优化工具箱文档进行深入实践。