使用fmincon求解非线性规划问题并给出例子

非线性规划问题的一般形式为：

minimize f(x) subject to c(x) <= 0 x >= 0

其中，f(x)是目标函数，c(x)是约束条件，x是决策变量。

fmincon是MATLAB中求解非线性规划问题的函数，它的使用方法为：

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

其中，fun是目标函数，x0是决策变量的初始值，A和b是线性不等式约束条件，Aeq和beq是线性等式约束条件，lb和ub是决策变量的下界和上界，nonlcon是非线性约束条件，options是优化选项。

下面给出一个例子，求解如下非线性规划问题：

minimize x^2 + y^2 subject to x + y <= 1 x >= 0 y >= 0 x^2 + y^2 >= 0.25

其目标函数为f(x) = x^2 + y^2，约束条件为c(x) = [x + y - 1; -x; -y; x^2 + y^2 - 0.25]。

MATLAB代码如下：

fun = @(x) x(1)^2 + x(2)^2; x0 = [0, 0]; A = []; b = []; Aeq = []; beq = []; lb = [0, 0]; ub = []; nonlcon = @(x) deal([x(1) + x(2) - 1; -x(1); -x(2); x(1)^2 + x(2)^2 - 0.25], []); options = optimoptions('fmincon', 'Display', 'iter'); [x, fval] = fmincon(fun, x0, A, b, Aeq, beq, lb, ub, nonlcon, options);

运行结果如下：

Optimization terminated: mesh size less than options.MeshTolerance.

x = 0.5000 0.5000

fval = 0.5000

可以看出，最优解为x = [0.5, 0.5]，最优值为0.5