懂罚函数的请进，有约束优化遗传算法的目标函数问题 很显然，f 才是目标函数值，而F只是适应度函数值，用来评价个体优劣的。加上罚函数，仅仅是为了惩罚那些不满足约束条件的个体，以此来解决约束优化问题。但真正的目标函数是f，目的是f的值越小越好。
MATLAB罚函数法解非线性有约束优化问题，毕业设计急用！哪位大神能帮这个忙我给他充话费！ 注：附件中为结果，若不懂qq353751113先建立两个m文件程序如下：第一个：function[c，ceq]=confuna(x)c(1)=2-x(3)；c(2)=x(3)-40；c(3)=17-x(1)；c(4)=5*x(3)-x(2)；c(5)=x(2)-17*x(3)；c(6)=2000-689*x(1)；c(7)=2758.91-x(1)^2*x(3)^3；c(8)=20.48-x(1)*x(2)*sqrt(x(3))；ceq=[]；第二个：function f=myfuna(x)f=4.8692*pi*x(1)^2*x(3)^2*x(2)然后再command window中输入如下命令：options=optimset('largescale'，'off')；x0=[-1；1；1]；ub=[0；0；0]；[x，fval，exitflag，output，lambda]=fmincon(@myfuna，x0，[]，[]，[]，[]，[]，ub，@confu
分别用内点惩罚函数法和外点惩罚函数法求解下列约束优化问题（用matlab编程） function main()clc；clear all；close all；options=optimset('Algorithm'，'interior-point'，'Display'，'off')；if exitflag=1fprintf('\\n利用内copy点法：2113\\n')x(1)，x(2)，fval)；elsefprintf('\\n未找到最优解！1653\\n')；endfunction f=net_fun(x)f=x(1)^2+x(2)^2；for k=1：100%外点法e迭代循62616964757a686964616fe4b893e5b19e31333433633532环.x1=a(k)；x2=b(k)；e=m(k)；for n=1：100%梯度法求最优值。f1=subs(fx1)；求解梯度值和海森矩阵f2=subs(fx2)；f11=subs(fx1x1)；f12=subs(fx1x2)；f21=subs(fx2x1)；f22=subs(fx2x2)；if(double(sqrt(f1^2+f2^2)))%最优值收敛条件a(k+1)=double(x1)；b(k+1)=double(x2)；f0(k+1)=double(subs(f))；扩展资料：根据约束的特点，构造某种惩罚函数，然后加到目标函数中去，将约束问题求解转化为一系列的无约束问题。这种“惩罚策略”，对于无约束问题求解过程中的那些企图违反约束条件的目标点给予惩罚。通过上述方法，可以把有约束的问题化为无约束问题求解。也就是所谓的外罚函数法。但是外罚函数的原理主要是应用了近似最优并且近似可行的，近似最优可以接受，但是近似可行在实际运用中让人无法接受。这一点可以由内罚函数解决。
