如何使用矩阵数据在matlab中创建多变量函数？

但是我想做一个程序，在这个程序中我可以生成一个多变量函数，这个函数依赖于矩阵的行数

for k = 1:sizel;

f(k)=(alpha(k,1)+(beta(k,1)*p(k))+(gamma(k,1)*p(k)^2));

end

cost=(sum(f))

这是为了优化，所以我需要在最后将变量声明为

p（1）、p（2）、p（3）

。。。这些将是我的功能的输入

注意：我不想给变量赋值，因为这将由优化工具箱中的优化算法完成

这是完整的代码

function  cost = cost(p) ;
clc 
clear

costfunctionconstantsmatrix;
sizel=size(CostFormulaconstants);

alpha=CostFormulaconstants(:,1);

beta=CostFormulaconstants(:,2);

gamma=CostFormulaconstants(:,3);



for k = 1:sizel;

f(k)=(alpha(k,1)+(beta(k,1)*p(k))+(gamma(k,1)*p(k)^2));

end

cost=(sum(f))


end

---

我用了符号的方法，我得到了正确的成本答案，事实上，我得到了这样的东西：（53*p（1））/10+（11*p（2））/2+（29*p（3））/5+p（1）^2/250+（3*p（2）^2）/500+（9*p（3）^2）/1000+1100。但是当我试图在优化工具箱中指定要优化的函数时，它告诉我变量p是sym，不能转换为double。问题在于如何将此表达式转换为double，以便优化算法可以输入变量p（1）、p（2）和p（3）的值。

您可以将矩阵作为参数传递给函数吗

function cost = fcn(my_mat)

[m,n] = size(my_mat);
f = zeros(m,1);
for k = 1:m % for example
   f(k)=(alpha(k,1)+(beta(k,1)*p(k))+(gamma(k,1)*p(k)^2));
end
cost = sum(f);

end

---

我不完全清楚您的问题，但我相信您希望生成一系列函数，其中变量

alpha

，

beta

，

gamma

是常数，每个函数的值不同，向量

p

是一个参数

在你的问题中让我困惑的是，你对常量和参数都使用了索引

k

，我认为这不是你想要写的。假设我理解您的目标，解决方案可能会使用函数句柄

例如，表示法

f（k）=@（p）p（1）+p（2）

生成一个函数，将

p（1）

和

p（2）

相加。将

CostFormulaconstants

缩写为

cf

，下面将生成一系列函数，其中

cf

中每行一个函数

for k = 1 : size(cf, 1)
    f{k} = @(p) cf(k,1) + cf(k,2)*p(1) + cf(k,3)*p(2)^2;
end

例如，对于第三个函数，只需使用

f{3}

即可从优化工具箱向调用者提供单个函数句柄。调用

f{3}

如下所示

a = f{3}([3,4]);

如果函数确实都是多项式，

polyval

也值得一看

编辑：澄清之后，问题似乎简单了一点，不需要函数句柄。为什么不简单

function c = cost(p)
c = 0;
cf = [...]; % your coefficients here.
for k = 1 : size(cf, 1)
    c = c + cf(k,1) + cf(k,2)*p(k) + cf(k,3)*p(k)^2;
end

---

我不确定你到底想做什么函数的输入是矩阵和向量p？如果是这样的话，那么提交的答案就行了。你也可以检查符号变量。我使用了符号方法，得到了正确的成本答案。事实上，我得到了这样的结果：（53*p（1））/10+（11*p（2））/2+（29*p（3））/5+p（1）^2/250+（3*p（2）^2）/500+（9*p（3）^2）/1000+1100。但是当我试图在优化工具箱中指定要优化的函数时，它告诉我变量p是sym，不能转换为double。问题是如何将这个表达式转换为double，这样优化算法就可以输入变量p（1）、p（2）和p（3）的值。你检查过了吗？这会给出一个错误，因为向量p没有定义，我想他说p要传递给函数，所以可能需要编辑that@mhmsa对我假设所有必要的变量要么在函数中定义，要么作为附加参数传递，要么是全局变量。代码只是用来说明过程，而不是现成的工作。例如，我想要得到的是：f1=（0.004*（p（1）^2））+（5.3*p（1））+500 f2=（0.006*（p（2）^2））+（5.5*p（2））+400 f3=（0.009*（p（3）^2））+（5.8*p（3））+200，然后成本=f1+f2+f3在此之后，我将继续最小化成本