fmincon解决不了这个问题，因为约束里面有if。
粒子群和遗传算法这类优化算法什么优化问题都能解决的，就是存在时间过长和每次最优解不相等的问题。
你的模型描述有问题，以下是大致代码：
function obj = ObjectiveFun(x)%这里是照着max来写的，如果算法是要求min，则要改动
%公式中x是二维变量，但是在优化中需要把二维变量拉为一维变量
%所以传进来的x必须是一维的，索引长度为
%nt(1) + nt(2) + ... + nt(T)
%代码只是个算法流程，没经过调试
%目标函数是双循环求和
%初始化参数
c0 = 0.37; %mu1
c1 = 0.1; %mu3
c2 = 0.9; %mu2
T = 96; %时段数
nt = zeros(T); %初始化nt
delta = zeros(T); %初始化delta
x_a = zeros(T); %初始化x_a
x_d = zeros(T); %初始化x_d
for t = 1:T %每个时段包含的x维数不一样？
nt (t) = 10; %如果x的维数不一样，则要按不一样的来设置
delta(t) = 1.0;
end
x_a(1) = 5.0;
x_d(1) = 7.0;
for t = 2:T
if (x(t - 1) < x_a(t - 1)) %模型的x_t-1这么描述有问题，与x是二维变量相矛盾，请确认模型的正确性！！！
x_a(t) = 2 * x_a(t - 1) - x(t - 1);
else
x_a(t) = x_a(t - 1);
end
if (x(t - 1) < x_d(t - 1)) %模型的x_t-1这么描述有问题，与x是二维变量相矛盾，请确认模型的正确性！！！
x_d(t) = 2 * x_d(t - 1) - x(t - 1);
else
x_d(t) = x_d(t - 1);
end
end
%x_bar_a = ? %用于判断belta1的取值
%x_bar_d = ? %用于判断belta2的取值
for t = 1:T %每个时段包含的x维数不一样？
for i = 1:nt(t)
r(t,i) = 0.3; %参数rti的值，也可以拉伸为一维变量，这里我延续模型中对rti的定义用二维
end
end
for i = 1:nt(t)
w(i) = 5.0; %参数wi的值
end
index = 0;
obj = 0.0;
for t = 1:T
sum_wx = 0;
for i=1:nt(t)
sum_wx = sum_wx + w(i) * x(index + i);
end
for i = 1:nt(t) %循环t---i
mu1 = c0 * x( index + i); %mu1是x_ti的函数
mu3 = c1 * ln(x(index + i) / r(t,i)); %mu3是x_ti的函数
if (sum_wx <= x_bar_a)
mu2 = ln(sum_wx / x_a(t));
elseif (sum_wx >=x_bar_d)
mu2 = ln(sum_wx / x_d(t));
else
mu2 = 0.0;
end
end
obj1 = delta(t) * (mu1 + mu2 + mu3);
obj = obj + obj1;
index = index + nt(t); %index = nt(1) + nt(2) + ... + nt(t)
end
end 追问
谢谢您的回答，请问在matlab编程上，粒子群和遗传算法哪个更简单一些
追答大家比较认可粒子群，所以用得比较多，遗传算法用的相对少。
普遍认为粒子群算法属于智能算法，遗传算法属于进化算法。
追问您好，再问一下，约束条件应该怎么表示呢，是将其作为罚函数添加到目标函数里面吗？如果是的话，含if的约束条件应该怎么弄成罚函数呢？
追答是的，一般是用罚函数法。先把没有if的加起来作为目标函数的一部分，假设为f，假设if成立的部分罚函数为f1，不成立部分为f2。此时如果条件1成立，则目标函数F=f+f1，如果条件1不成立，则F=f+f2
追问能举一个简单的例子吗，就图片中的这个优化模型，写其中一个带if的约束条件就行
追答追答里没法贴代码，见前面的回答。
温馨提示：答案为网友推荐，仅供参考
相似回答