在工程实践中，优化问题无处不在。无论是设计最优路径、最小化成本还是最大化效率，优化算法都是解决这些问题的关键。fminsearch函数是MATLAB中一款强大的优化工具，它基于序列二次规划（Sequential Quadratic Programming，SQP）算法，能够帮助我们在实际问题中找到最优解。本文将通过几个实战案例，展示如何使用fminsearch轻松优化实际问题，解决工程难题。
1. 背景介绍
fminsearch函数可以用于求解无约束优化问题。它通过迭代的方式，不断逼近最优解。函数的基本语法如下：
[x, fval] = fminsearch(func, x0)
其中，func是目标函数，x0是初始猜测值。
2. 实战案例一：最小化成本
问题描述
某公司需要运输一批货物，从仓库A运送到仓库B。已知仓库A和仓库B之间的距离为d，运输成本与距离的平方成正比。公司希望找到一种运输方案，使得总成本最小。
模型建立
设运输方案为x，目标函数为f(x)，则有：
f(x) = k * x^2
其中，k为比例常数。
代码实现
function y = cost(x)
k = 0.1; % 假设比例常数
y = k * x^2;
end
x0 = 0; % 初始猜测值
[x, fval] = fminsearch(@cost, x0);
fprintf('最优运输方案为：%f\n', x);
fprintf('最小成本为：%f\n', fval);
结果分析
运行上述代码，可以得到最优运输方案和最小成本。
3. 实战案例二：最大化效率
问题描述
某工厂生产一种产品，其生产效率与生产速度成正比。工厂希望找到一种生产速度，使得在满足产量要求的前提下，生产效率最高。
模型建立
设生产速度为x，目标函数为f(x)，则有：
f(x) = k / x
其中，k为比例常数。
代码实现
function y = efficiency(x)
k = 100; % 假设比例常数
y = k / x;
end
x0 = 10; % 初始猜测值
[x, fval] = fminsearch(@efficiency, x0);
fprintf('最优生产速度为：%f\n', x);
fprintf('最高效率为：%f\n', fval);
结果分析
运行上述代码，可以得到最优生产速度和最高效率。
4. 总结
通过以上两个实战案例，我们可以看到fminsearch函数在解决工程优化问题中的强大功能。在实际应用中，我们可以根据具体问题，建立相应的数学模型，并利用fminsearch函数找到最优解。
需要注意的是，fminsearch函数适用于无约束优化问题。对于有约束的优化问题，我们可以使用MATLAB中的其他优化工具，如fmincon等。