Question

如何使用fmincon（）强制约束您尝试优化的向量中的所有值都大于零？

根据文档，我需要一些参数A和b，其中A *x≤b，但我想如果我将A作为-1的矢量和b 0，那么我将针对x＆gt;的总和进行优化。 0，而不是x的每个值大于0。

万一你需要它，这是我的代码。我试图优化矢量（x），使得x和矩阵（称为multiplierMatrix）的（分量）乘积产生一个矩阵，其列的总和为x。

function [sse] = myfun(x)        % this is a nested function
    bigMatrix = repmat(x,1,120) .* multiplierMatrix;
    answer = sum(bigMatrix,1)';
    sse = sum((expectedAnswer - answer).^2);
end

xGuess = ones(1:120,1);
[sse xVals] = fmincon(@myfun,xGuess,???);

如果我需要更好地解释我的问题，请告诉我。感谢您的帮助！

Answer 1

您可以使用下限：

xGuess = ones(120,1);
lb = zeros(120,1);
[sse xVals] = fmincon(@myfun,xGuess, [],[],[],[], lb);

请注意xVals和sse应该交换（如果他们的名字意味着什么）。

下限lb表示您的决策变量x中的元素永远不会低于lb中的相应元素，这就是您在此之后的内容。

空（[]）表示您使用线性约束（例如A，b，Aeq，{{ 1}}），只有下限beq。

一些建议：lb是一个非常先进的功能。您最好记住它上面的文档，并使用许多不同的示例问题与它一起玩几个小时。

fmincon：强加大于零约束的向量

1 个答案: