使用fmincon动态固定变量：MINLP目标函数变量固定失效问题

这个问题我之前也碰到过，核心原因是你误解了fmincon的工作逻辑：它在优化迭代过程中会完全忽略你在目标函数里对输入变量x的直接赋值，每次迭代都会生成新的候选解覆盖你在objfun里的修改，所以你设置x(y)=1根本起不到强制固定的作用。

下面给你两种靠谱的解决方案：

方法一：添加等式约束（推荐，规范且灵活） #

要固定某个变量为特定值，最标准的方式是通过fmincon的等式约束参数来实现，同时可以把初始值对应的位置设为目标固定值，帮助优化更快收敛。

修改后的代码如下：

A = [1 1 1];
b = 30;
y = 1;
x1 = zeros(1,3);
x1(y) = 1; % 初始值先设为要固定的数值

% 构建等式约束：强制x(y) = 1
Aeq = zeros(1,3);
Aeq(y) = 1;
beq = 1;

% 调用fmincon时传入等式约束参数Aeq和beq
x = fmincon(@(x)objfun(x), x1, A, b, Aeq, beq);

function f = objfun(x)
    % 这里不需要再手动赋值x(y)=1，约束会自动保证它的取值
    f = x(1)^2 + x(2)^2 + x(3)^2;
end

方法二：移除固定变量，仅优化剩余变量（更高效） #

如果某个变量完全不需要参与优化，可以直接把它从优化变量集合中移除，只对剩下的变量进行优化，这样能减少计算量，效率更高。

示例代码：

A = [1 1 1];
b = 30;
y = 1;
% 现在只优化x2和x3，x1固定为1
x_opt_initial = zeros(1,2); % 初始值对应x2、x3的初始状态

% 注意修改线性约束：原约束是x1+x2+x3=30，x1固定为1，所以约束变为x2+x3=29
x = fmincon(@(x_opt)objfun_fixed(x_opt,y), x_opt_initial, A(:,2:3), b - 1);

function f = objfun_fixed(x_opt,y)
    % 重构完整的x向量
    x = zeros(1,3);
    x(y) = 1; % 固定变量赋值
    x([1:3]~=y) = x_opt; % 把优化变量赋值到对应位置
    f = x(1)^2 + x(2)^2 + x(3)^2;
end

两种方法的适用场景 #

• 方法一适合需要临时固定变量、后续可能调整固定值或取消固定的场景，灵活性更高；
• 方法二更适合变量完全不需要优化的场景，计算效率优于方法一。

内容的提问来源于stack exchange，提问作者bnbfreak