2014版本的matlab运行options = optimoptions('fmincon','Display','off','OptimalityTolerance',1e-10,'ConstraintTolerance',1e-8);报错，'OptimalityTolerance' is not an option for FMINCON. A list of options can be found on the FMINCON documentation page.怎么解决

在2014版本的Matlab中，'OptimalityTolerance'选项可能不被支持。您可以尝试使用'OptimTolerance'选项替代它，它具有相同的功能。

您可以使用以下代码来设置选项：

options = optimoptions('fmincon','Display','off','OptimTolerance',1e-10,'ConstraintTolerance',1e-8);

这样应该就可以避免您遇到的错误了。如果仍然遇到问题，请确保您的Matlab版本和FMINCON函数版本是兼容的。您可以检查一下Matlab文档来确定您使用的版本是否支持'OptimalityTolerance'选项。

相关问题

function [A,possi] = MLM_CON(P,E) [~,nEnd] = size(E); [~,nPix] = size(P); initX = hyperFcls(P,E); A = zeros(nEnd,nPix); possi = zeros(1,nPix); Aeq = [ones(1,nEnd),0]; beq = 1; ub = ones(1,nEnd+1); lb = [zeros(1,nEnd),-inf]; options = optimoptions('fmincon','Display','off','OptimTolerance',1e-10,'ConstraintTolerance',1e-8); %options = optimoptions('fmincon','Display','off','OptimalityTolerance',1e-10,'ConstraintTolerance',1e-8); for i = (1:nPix) objFun = @(x)object(x,P(:,i),E); x0 = [initX(:,i)',0]; x = fmincon(objFun,x0,[],[],Aeq,beq,lb,ub,[],options); A(:,i) = x(1:nEnd); possi(i) = x(nEnd+1); end end function fit = object(para,pix,E) para = para'; [nvars,nPop] = size(para); nEnd = nvars - 1; % 初始化y alpha = para(1:nEnd,:); possi = para(nvars,:); y = E * alpha; extPix = repmat(pix,1,nPop); fit = vecnorm(extPix - ((1 - possi) .* y) ./ (1 - possi .* y) ).^2; end这段非线性混合像元分解代码为什么在matlab2014a中运行不了，怎么修改才可以运行

这段代码可能会在MATLAB 2014a中出现问题，因为fmincon的默认算法可能不支持非线性约束条件。可以尝试修改options选项，将算法从默认的interior-point改为sqp。可以使用以下代码替换原来的options行：

options = optimoptions('fmincon','Display','off','OptimTolerance',1e-10,'ConstraintTolerance',1e-8,'Algorithm','sqp');

如果问题仍然存在，可能需要升级MATLAB版本或者使用其他非线性优化函数来替换fmincon函数。

外点罚函数法求解 min f(x) = (x1 - 2)2+(x2 - 1)2 -0.25（x1）^2-(x2)^2+1>=0 x1-2x2 +1=0 接口函数[xstar, fxstar, iter] = penalty(penalty func,contrains，Xo, E)初始迭代点Xo = (2,2)，E= 1e-3

根据题目所给的函数和约束条件，我们可以写出 MATLAB 代码实现外点罚函数法来求解此问题。以下是代码实现：

% 定义目标函数和约束条件
fun = @(x) (x(1) - 2)^2 + (x(2) - 1)^2; % 目标函数
nonlcon = @(x) [-0.25 * x(1)^2 - x(2)^2 + 1; x(1) - 2 * x(2) + 1]; % 约束条件

% 定义罚函数
penal = @(x, rho) fun(x) + rho * sum(max(0, nonlcon(x)).^2);

% 定义外点罚函数法的参数
x0 = [2; 2]; % 初始点
rho = 1; % 罚函数系数
tol = 1e-3; % 精度
maxiter = 100; % 最大迭代次数

% 外点罚函数法主程序
for i = 1:maxiter
    % 使用fmincon求解罚函数的最小值
    options = optimoptions('fmincon', 'Display', 'off');
    [x, fval, exitflag, output] = fmincon(@(x)penal(x, rho), x0, [], [], [], [], [], [], @(x)nonlcon(x), options);
    
    % 判断是否收敛
    if norm(nonlcon(x), inf) < tol
        break;
    end
    
    % 更新参数
    rho = rho * 10;
    x0 = x;
end

% 输出结果
xstar = x;
fxstar = fval;
iter = i;
fprintf('最优点为：(%f, %f)\n', xstar(1), xstar(2));
fprintf('最优解为：%f\n', fxstar);
fprintf('迭代次数为：%d\n', iter);

代码中，我们首先定义了目标函数和约束条件。然后，我们定义了罚函数`penal`，其输入参数为当前点和罚函数系数`rho`。在主程序中，我们使用`fmincon`函数求解罚函数的最小值，并在每次迭代后更新罚函数系数和初始点，直到满足精度要求或达到最大迭代次数。最后输出求解结果。

注意，我们使用了`norm`函数来计算约束条件的范数，其中`inf`表示无穷范数，即最大绝对值。