Matlab中fminunc函数含多变量与参数的调用问题咨询

我来帮你梳理下正确的实现思路，其实核心是要适配fminunc的要求：它只接受单个向量作为优化变量输入，同时我们需要用匿名函数来捕获那些固定参数（a、b、c）。下面一步步给你演示：

1. 先明确原目标函数的结构 #

假设你的fun函数是类似这样的（这里给个示例方便理解）：

function fval = fun(x1, x2, a, b, c)
    % 示例：计算(x1-a)的平方和 + (x2-b)的平方和 + c
    fval = sum((x1 - a).^2) + sum((x2 - b).^2) + c;
end

这里x1、x2是待优化的向量，a、b、c是固定参数。

2. 把多变量打包成单个向量 #

fminunc要求优化变量是一个单独的向量，所以我们需要把x1和x2合并成一个向量x，然后在包装函数里再拆分开：

• 假设x1是n维向量，x2是m维向量，那么x的前n个元素对应x1，后m个元素对应x2。

3. 用匿名函数包装目标函数+捕获参数 #

创建一个匿名函数，它只接受单个向量x作为输入，内部拆分出x1、x2后调用原fun，同时捕获固定参数a、b、c：

% 先定义你的参数值（替换成你实际的a、b、c）
a = [1; 2]; 
b = [3; 4];
c = 5;

% 获取x1和x2的维度
n = length(a); % x1的维度
m = length(b); % x2的维度

% 包装成fminunc能接受的目标函数
L = @(x) fun(x(1:n), x(n+1:n+m), a, b, c);

4. 设置初始点并调用fminunc #

把x1和x2的初始值也合并成单个向量x0，然后调用fminunc：

% 定义初始值（替换成你实际的x10、x20）
x10 = [0; 0];
x20 = [0; 0];
x0 = [x10; x20]; % 合并成单个初始向量

% 可选：设置优化选项（比如显示迭代过程）
options = optimoptions('fminunc', 'Display', 'iter');

% 调用fminunc求解
[x_opt, f_opt] = fminunc(L, x0, options);

额外优化：如果需要梯度加速 #

如果你的fun能计算梯度（可以大幅提升收敛速度），可以让fun返回梯度值，然后在选项里开启梯度指定：

带梯度的目标函数： #

function [fval, grad] = fun(x1, x2, a, b, c)
    fval = sum((x1 - a).^2) + sum((x2 - b).^2) + c;
    % 计算x1和x2对应的梯度，然后合并成向量
    grad_x1 = 2*(x1 - a);
    grad_x2 = 2*(x2 - b);
    grad = [grad_x1; grad_x2];
end

调用时的设置： #

options = optimoptions('fminunc', 'SpecifyObjectiveGradient', true);
[x_opt, f_opt] = fminunc(L, x0, options);

这样就能正确调用fminunc求解你的无约束极小化问题啦～

内容的提问来源于stack exchange，提问作者user3919259