Nelder-Mead方法优化Matlab代码调用适应度函数

在使用Nelder-Mead方法进行优化时，需要定义一个适应度函数，用于评估每个解的优劣程度。通常适应度函数的值越小，表示解越优。在Matlab中，可以通过函数句柄的方式将适应度函数传递给优化函数。以下是一个示例代码，演示如何定义适应度函数并将其传递给fminsearch函数：

% 定义适应度函数
function f = fitness(x)
    f = (x(1)-1)^2 + (x(2)-2)^2;
end

% 初始点
x0 = [0, 0];

% 调用fminsearch函数进行优化
[x, fval] = fminsearch(@fitness, x0);

% 输出最优点和最优值
disp(['最优点：', num2str(x)]);
disp(['最优值：', num2str(fval)]);

在以上示例中，fitness函数即为适应度函数，它的输入参数为一个向量x，输出为一个标量f。在调用fminsearch函数时，使用@符号将fitness函数转换为函数句柄，并将其作为第一个参数传递给fminsearch函数。在优化过程中，fminsearch函数会多次调用fitness函数，以评估每个解的适应度。最后，fminsearch函数返回最优解x和对应的最优值fval。

需要注意的是，适应度函数的输入参数和输出值的维度要与优化变量的维度相对应。在实际问题中，适应度函数的定义可能很复杂，需要根据具体情况进行设计。