如何用matlab求解非线性约束优化问题，对于非线性约束的优化问题，matla有个很好的函数fmico可以很容易解决。之前一个经验已经详细介绍了fmico的用法，下面通过一个例子来。
在MATLAB中用神经网络算法求解无约束最优化问题 程序一：GA训练BP权值的主函数 function net=GABPNET(XX，YY)%使用遗传算法对BP网络权值阈值进行优化，再用BP算法训练网络%数据归一化预处理 nntwarn off XX=[1：19；2：20；3：21；4：22]'；YY=[1：4]；XX=premnmx(XX)；YY=premnmx(YY)；YY%创建网络 net=newff(minmax(XX)，[19，25，1]，{'tansig'，'tansig'，'purelin'}，'trainlm')；下面使用遗传算法对网络进行优化 P=XX；T=YY；R=size(P，1)；S2=size(T，1)；S1=25；隐含层节点数 S=R*S1+S1*S2+S1+S2；遗传算法编码长度 aa=ones(S，1)*[-1，1]；popu=50；种群规模 save data2 XX YY%是将 xx，yy 二个变数的数值存入 data2 这个MAT-file，initPpp=initializega(popu，aa，'gabpEval')；初始化种群 gen=100；遗传代数%下面调用gaot工具箱，其中目标函数定义为gabpEval[x，endPop，bPop，trace]=ga(aa，'gabpEval'，[]，initPpp，[1e-6 1 1]，'maxGenTerm'，gen，.'normGeomSelect'，[0.09]，['arithXover']，[2]，'nonUnifMutation'，[2 gen 3])；绘收敛曲线图 figure(1)plot(trace(：，1)，1./trace(：，3)，'r-')；hold on plot(trace(：，1)，1./trace(：，2)，'b-')；xlabel('Generation')；ylabel('Sum-Squared Error')；figure(2)plot(trace(：，1)，trace(：，3)，'r-')；hold on plot。
有约束最优化问题，用matlab求解 假设最优时候的a1不等于a2，那么取a1'=a2'=max{a1，a2}将是更优的解。因此，最优时候的a1与a2必定相等。给定角加速度a时，加速时间越长那么转过的角度越多。在加速度不大于0.5g的约束下，加速时间最多可以是：加速与减速过程所转过的角度是a*t(a)^2，是个随a递减的函数。假设最优时候的角加速度为a，加速时间t(a)，那么可以增大a到某个值a'，加速时间为t(a')，使得a'*t(a')^2=at^2。因此，最优时候的加速时间必取到最大值。综上，可得最终优化式子：代码如下：g=9.8；r=.056；t=(a)(g^2/(4*r^2*a^4)-1/a^2)^(1/4)；f=(a)t(a)+22.2/a/t(a)；a=fminsearch(f，1e-6)；fprintf('a1=a2=f\\nt1=t3=f\\nt2=f\\n'，a，t(a)，22.2/a/t(a)-t(a))
