【正文】 300≤ l≤650， 60≤ D≤110， 90≤ a≤150。,39。a1=1。)。 A=[a1,a2,a3。c2=。myfun_con439。myfuncon39。 bstqAA AA?st0l hft設(shè)蓋板為鋁合金制成，彈性模量 E=7x104MPa，泊松比 μ =，許用彎曲應(yīng)力 [σ ]=70MPa，許用剪切應(yīng)力 [τ]=45MPa。mycon39。fun339。 [2] fmincon函數(shù)的中型算法使用的是序列二次規(guī)劃法。若無等式存在，則令 Aeq=[]、 beq=[]。 x = fminsearch(fun,x0,options)用 options參數(shù)指定的優(yōu)化參數(shù)進(jìn)行最小化。 [x,fval,exigflag,hessian]=fminunc(xiti4j6,x0,options) x = fval = exigflag = 1 hessian = iterations: 6 funcCount: 21 stepsize: 1 firstorderopt: algorithm: 39。 l – 最終步長(zhǎng)的大小（只用于中型問題）。 l MaxPCGIter – PCG迭代的最大次數(shù)。iter39。 options 優(yōu)化參數(shù)選項(xiàng)。 數(shù)學(xué)模型 ： 其中， x為一向量， f(x)為一函數(shù)，返回標(biāo)量。 l 0 表示目標(biāo)函數(shù)不收斂。 function f = myfun(x) f = ... %計(jì)算 x處的函數(shù)值。 x = fminbnd(fun,x1,x2)返回區(qū)間 {x1， x2}上 fun參數(shù)描述的標(biāo)量函數(shù)的最小值 x?？梢詫?fun函數(shù)指定為命令行，如 x = fminbnd(inline(39。final39。此時(shí)， fmincon函數(shù)的計(jì)算速度更快，計(jì)算精度更高。 [x,fval,exitflag,output,grad,hessian] = fminunc(...)將解 x處目標(biāo)函數(shù)的 Hessian矩陣信息返回到 hessian參數(shù)中。off39。 l TolFun – 函數(shù)值的終止容限。 exitflag 描述退出條件 : l 0 表示目標(biāo)函數(shù)收斂于解 x處。maxiter39。 fminunc函數(shù)有時(shí)會(huì)給出局部最優(yōu)解。 fmincon函數(shù) 數(shù)學(xué)模型 ： m i n ( )( ) 0( ) 0xfxcxc e q xA X bAe q X be ql b X ub????????其中， x, b, beq, lb,和 ub為向量， A 和 Aeq 為矩陣， c(x) 和 ceq(x)為函數(shù)，返回標(biāo)量。 [x,fval,exitflag,output] = fmincon(...) 返回包含優(yōu)化信息的輸出參數(shù) output。5]。 Aeq=[1 1]。VUB=[5 10]。 %設(shè)置函數(shù)評(píng)價(jià)的最大次數(shù) 5000 x0=[0,0]。off39。 % a1=1。 b1=1。LargeScale39。a=5 % b1=1。 Aeq=[b1,b2]。,x0, [],[],Aeq,beq,lb,[],39。 分析： 設(shè)計(jì)目標(biāo)是軸的質(zhì)量最輕 Q =1 /4 πd 2 lρ →min. ； 要求： 設(shè)計(jì)銷軸，在滿足上述條件的同時(shí)，軸的質(zhì)量應(yīng)為最輕。 [x,fval,exitflag,output]=fmincon((x)myfun10(x,m1,m2),x0, [],[],Aeq,beq,lb,[],(x)myfun_con10(x,a1,a2,a),options) % 注意 :含有帶參數(shù)目標(biāo)函數(shù) , 不能 [x,fval,exitflag,output]=fmincon(39。c2=。 % a1=1。 %初值 lb=[0,0,0]。a3=5。m2=。LargeScale39。 ceq=[]。]。 A=[]。1 4]。 [x,fval] = fmincon(...) 返回解 x處的目標(biāo)函數(shù)值。 fminsearch不適合求解平方和的問題，用 lsqnolin更好。來提供梯度信息，否則將給出警告信息。on39。 l DiffMinChange 變量有限差分梯度的最小變化。 l MaxFunEvals – 函數(shù)評(píng)價(jià)的最大次數(shù)。on39。 [x,fval,exitflag,output] = fminunc(...)返回包含優(yōu)化信息的結(jié)構(gòu)輸出。 2． fminbnd函數(shù)可能只給出局部最優(yōu)解。iter39。 參數(shù)描述表 參 數(shù) 描 述 fun 需要最小化的目標(biāo)函數(shù)。 fminbnd x = fminbnd(fun,x1,x2,options,P1,P2,...)提供另外的參數(shù) P1,P2等 ,傳輸給目標(biāo)函數(shù) fun。你可以用 optimset函數(shù)設(shè)置或改變這些參數(shù)的值。 l – 所采用的算法。 x0可以是標(biāo)量、向量或矩陣。其中有的參數(shù)適用于所有的優(yōu)化算法，有的則只適用于大型優(yōu)化問題，另外一些則只適用于中型問題。final39。對(duì)于有些問題，增加帶寬可以減少迭代次數(shù)。 習(xí)題 46 %目標(biāo)函數(shù) m文件，保存為 function f=myfun(x)。 例： 初始點(diǎn) [1， 1] 程序：編輯 ： function f=ff(x) f=8*x(1)4*x(2)+x(1)^2+3*x(2)^2。 語法格式及描述： [x,fval] = fminsearch(...)將 x處的目標(biāo)函數(shù)值返回到 fval參數(shù)中。 fmincon函數(shù)要求 c(x) = 0且 ceq(x) = 0。 [3] fmincon函數(shù)可能會(huì)給出局部最優(yōu)解，這與初值 X0的選取有關(guān)。 f=exp(x(1)) *(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1) )12424()( 22122211 ????? xxxxxexf x x1+x2=0 . +x1x2 x1 x2 0 x1x2 –10 0 ?例 2 2．再建立 M文件 ： function [c,ceq]=mycon(x) c=[+x(1)*x(2)x(1)x(2)。 f=2*x(1)x(2) 2．再建立 M文件 ： function [c,ceq