基于QFD背包功能的优化设计.docx

现代设计理论和方法大作业

------基于QFD背包功能的优化设计

指导老师：刘志刚
项目组长：乔百杰
项目成员：机自66
学院：机械工程学院

基于QFD背包功能的优化设计

一、计划和任务安排表
1.1学习时间安排表：
任务
时间
查阅整理资料
4月2日——4月3日
学习QFD
4月4日——4月5日
设计调查问卷
4月6日——4月7日
学习优化理论
4月7日——4月9日
撰写论文
4月9日——4月11日
集体交流学习心得

4月11日——4月13日

1.2任务分配表：

学号
姓名
任务
06011136
齐寰宇
查阅资料
06011137
王晓庆
查阅资料
06011139
韩冰
表格设计
06011141
康辰龙
表格设计
06011143
梁伟云
问卷设计
06011145
卢岗
问卷设计
06011153
谢清伟
质量屋
06011154
薛亚波
优化理论
06011155
严宏伟
QFD、AHP简介
06011156
杨志亮
问卷调查
06011157
张龙
QFD、AHP简介
06012020
乔百杰

优化理论
06073012
邓磊
质量屋
06182047
魏立峰
质量屋
06055164
杜博
问卷调查
06011146
牛玉辉
问卷调查
06011147
朴群星
问卷调查
060140008
胡枫
质量屋

二、理论学习及方法介绍

2.1 QFD方法介绍

　质量功能展开QFD(Quality Function Deployment)是把顾客或市场的要求转化为设计要求、零部件特性、工艺要求、生产要求的多层次演绎分析方法。
QFD于70年代初起源于日本三菱重工的神户造船厂。为了应付大量的资金支出和严格的政府法规，神户造船厂的工程师们开发了一种称之为质量功能配置的上游质量保证技术，取得了很大的成功。70年代中期，QFD相继被其它日本公司所采用。丰田公司于70年代后期使用QFD取得了巨大的经济效益，新产品开发起动成本累计下降了61%，而开发周期下降了1/3。福特公司于1985年在美国率先采用QFD方法。今天，许多公司都采用了QFD方法，包括福特公司、通用汽车公司、克莱斯勒公司、惠普公司等，在汽车、家用电器、船舶、变速箱、涡轮机、印刷电路板、自动购货系统、软件开发等方面都成功应用QFD的报道。
目前尚没有统一的质量功能配置的定义。但对QFD的如下认识是共同的：
1. QFD有最为显著的特点是要求企业不断地倾听顾客的意见和需求，然后通过合适的方法和措施在开发的产品中体现这些需求。也就是说，CFD是一种顾客驱动的产品开产方法。
2. QFD 是在实现顾客需求的过程中，帮助产品开发各个职能部门制订出各自的相关技术要求和措施，并使各职能部门能协调地工作的方法。
3. QFD 是一种在产品设计阶段进行质量保证的方法。
4. QFD 的目的是使产品以最快的速度、最低的成本和最优的质量占领市场。
一般认为，质量功能配置（QFD ）是从质量保证的角度出发，通过一定的市场调查方法获取顾客需求，并采用矩阵图解法将对顾客需求的实一过程分解到产品开发的各个过程和各职能部门中去，通过协调各部门的工作以保证最终产品质量，使得设计和制造的产品能真正地满足顾客的需求。简单地说，QFD 是一种顾客驱动的产品开发方法。

　　QPD方法具有很强的功效性，具体表现为：
　　1．QFD有助手企业正确把握顾客的需求
　　2．QPD有助子优选方案
　　3．QFD有利子打破组织机构中部门间的功能障碍
　　4．QFD容易激发员工们的工作热情
5．QFD能够更有效地开发产品，提高产品质量和可倍度，更大地满足顾客

QFD最早被日本提出的时候有27个阶段，被美国引进后简化为以下四个阶段：
（1）产品规划阶段通过产品规划矩阵（也称质量层），将顾客需求转换为技术需求（最终产品特征），并根据顾客竞争性评估（从顾客的角度对市场上同类产品进行的评估，通过市场调查得到）和技术竞争性评估（从技术的角度对市场上同类产品的评估，通过试验或其它途径得到）结果确定各个技术需求的目标值。
（2）零件配置阶段利用前一阶段定义的技术需求，从多个设计方案中选择一个最佳的方案，并通过零件配置矩阵将其转换为关键的零件特征。
（3）工艺规划阶段通过工艺规划矩阵，确定为保证实现关键的产品特征和零件特征所必须保证的关键工艺参数。
（4）工艺/质量控制规划阶段通过工艺/质量控制矩阵将关键的零件特征和工艺参数转换为具体的质量控制方法。
2.2 AHP方法介绍
层次分析法（简记AHP)，在20世纪70年代中期由seaty正式提出，它是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用和有效性，很快在世界范围得到重视，它的应用已遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗、环境等领域。
层次分析法的优点
运用层次分析法有很多优点，其中最重要的一点就是简单明了。层次分析法不仅适用于存在不确定性和主观信息的情况，还允许以合乎逻辑的方式运用经验、洞察力和直觉。也许层次分析法最大的优点是提出了层次本身，它使得买方能够认真地考虑和衡量指标的相对重要性。
层次分析法的步骤：
　　（1）通过对系统的深刻认识，确定该系统的总目标，弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等，广泛地收集信息。
　　（2）建立一个多层次的递阶结构，按目标的不同、实现功能的差异，将系统分为几个等级层次。
　　（3）确定以上递阶结构中相邻层次元素间相关程度。通过构造两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序--相对权值。
　　（4）计算各层元素对系统目标的合成权重，进行总排序，以确定递阶结构图中最底层各个元素的总目标中的重要程度。
　　（5）根据分析计算结果，考虑相应的决策。
a)两两比较构造判断矩阵

其中，表示对的相对重要数值，具体值要有权威部门或权威人士来定。按照尺度的定义，得

b) 权向量的确定
权向量的取法有多种方法，本文采用较常见的特征值根法。计算成对比较矩阵的最大特征值和最大特征值对应的特征向量。

然后，对特征向量进行归一化处理

归一化处理后得到权向量

c)一致性检验
，查表可得。当具有满意的一致性。即所建立的层次分析模型是正确的。
三、问卷设计
设计问卷目的是为了获得客户对产品的需求情况。设计高质量的问卷，对产品设计者而言直观重要。
3.1　获取顾客需求目标
功能背包顾客需求的获取,结合问卷访谈与头脑风暴法来获取与整理顾客需求项目。在对购买和使用有丰富经验的顾客进行调查的基础上,收集顾客较为满意的需求项目以及受访顾客所期望而现有产品不具备的需求项目,共计60 项。将60 项顾客需求进行筛选,运用美国心理学家Osgood 提出的语意差异法(semantic differential method) 进行顾客需求项目筛选，得出19项顾客需求。

3.2 　建立顾客需求层次模型
为了解满足顾客需求所采用的设计特征手段及其与顾客需求目标间的层次关系,将19 项顾客需求予以相似性分群,得到第一层次顾客需求,即感官性、功能性、易用性、舒适性、耐用性共5 类。以达到“感官性”需求目标的手段为例,该手段包括:流线形外观( A11 ) 、色彩美观大方( A12 ) 、材质轻软舒适(A13 ) 3 种。同理可将所有满足顾客价值的需求目标与手段情况整理,转换成如图3 所示的顾客需求。19项分成五个一级层次。如图

3.3具体问卷如下：
问卷样式采用比较常见的五分制评分形式。比如：

请根据主观判断各需求项目的重要程度：
流线型外型 极其不重要 不重要 一般重要 很重要 极其重要
O O O O O

调查对象是全体机自66班同学。发出电子版问卷30份，回收25份，有效问卷25份

背包调查问卷

您好！我是西安交通大学机械工程及其自动化的在校生。由于课程的需要，我们正在进行一项关于背包功能的调查。本调查属于课程作业的一部分，无任何经济利益，衷心希望得到你的配合，谢谢！

请根据您的个人情况，针对下面的题目做出评价（在你认为的选项上打钩）

考虑因素内容
非常重要
比较重要
无所谓
基本不重要
非常不重要
流线型外观
5
4
3
2
1
色彩美观大方
5
4
3
2
1
材质轻松舒适
5
4
3
2
1
通风透气
5
4
3
2
1
支架采用轻质材料
5
4
3
2
1
可调式背负框架
5
4
3
2
1
防水镀膜
5
4
3
2
1
双向双层拉链
5
4
3
2
1
易清洗、折叠
5
4
3
2
1
内外层压缩带设计
5
4
3
2
1
外挂系统灵活简洁
5
4
3
2
1
内部间隔取放组合
5
4
3
2
1
贴附垫背
5
4
3
2
1
背带松紧可调
5
4
3
2
1
背带有弹性软垫
5
4
3
2
1
抗外力冲击佳
5
4
3
2
1
防钩划
5
4
3
2
1
缝线牢固密封
5
4
3
2
1
突起处强化处理
5
4
3
2
1

调查人： 机自66
调查时间： 09.4.10

3.4调查结果
下面是其中8张问卷调查的结果：
（1）.5 5 5 5 3 2 3 3 2 2 2 3 4 3 4 4 5 5 3
（2）.2 4 4 1 3 5 1 4 5 3 4 5 2 5 5 3 1 5 1
（3）.5 4 1 4 2 4 2 3 5 4 2 4 3 4 2 3 4 2 2
（4）.4 5 2 1 3 1 5 3 4 3 4 5 2 5 4 3 4 2 2
（5）.3 4 5 5 5 4 4 3 4 4 4 3 3 4 5 5 4 4 4
（6）.3 5 4 2 2 2 4 3 3 3 4 4 3 5 4 4 5 3 2
（7）.3 4 4 4 3 3 3 3 5 4 4 4 4 4 4 4 4 5 4
（8）.5 5 3 5 4 4 5 3 5 3 3 3 3 5 4 4 5 3 1

下面是对8组数据的统计：

考虑因素内容
（数字为选择该项的人数）
非常重要
（人）
比较重要
（人）
无所谓
（人）
基本不重要
（人）
非常不重要
（人）
流线型外观
3
1
3
1
0
色彩美观大方
4
4
0
0
0
材质轻松舒适
2
3
1
1
1
通风透气
3
2
0
1
2
支架采用轻质材料
1
1
4
2
0
可调式背负框架
1
3
1
2
1
防水镀膜
2
2
2
1
1
双向双层拉链
0
1
7
0
0
易清洗、折叠
4
2
1
1
0
内外层压缩带设计
0
3
4
1
0
外挂系统灵活简洁
0
5
1
2
0
内部间隔取放组合
2
3
3
0
0
贴附垫背
0
2
4
2
0
背带松紧可调
4
3
1
0
0
背带有弹性软垫
2
5
0
1
0
抗外力冲击佳
1
4
3
0
0
防钩划
3
4
0
0
1
缝线牢固密封
3
1
2
2
0
突起处强化处理
0
2
3
2
1

3.5问卷分析：
关于背包的问卷调查，我们从五方面出发来设计问题：感官性，功能性，易用性，舒适性，耐用性。每一方面都设计了若干问题，来了解使用者对背包功能的要求。感官是消费者第一感觉到的，对使用者的影响尤为重要，素以我们把它放在了第一位，感官方面主要考虑背包的样式，材质和色彩等；功能性方面从背包内部结构的设计，使用材料决定的背包特质等；易用性从满足使用者使用要求方面出发，包括拉链的设计，清洗问题，背带长度的调整；另一个重要的是舒适性，材料和整体设计都会造成很大影响，还有一些软垫和垫背的加入可以提高舒适性；耐用性一是材料要优质，另外还有做工要仔细，粗糙的制作必然减少使用寿命。以上是我们在设计背包时考虑的主要问题。

四、建立QFD模型
4.1 质量屋的建立
质量屋通过关系矩阵将顾客需求与设计特征相联系,并判定设计特征优先权重,实现顾客需求与设计特征的沟通。质量功能映射关系主要包括质量屋顾客需求项目、顾客需求重要度、设计特征相关矩阵、顾客需求与设计特征的关系矩阵以及技术矩阵等信息内容。顾客需求重要度即为顾客需求层次分析权重,通过AHP计算并归一化求取;关系矩阵指标量化体现出设计特征与顾客需求之间的关系强弱,其强弱程度评价以0、1、3 和5 四阶尺度表示,其中0 表示关联度最小,5 表示关联度最大。顾客评价实验后的平均值即为各顾客需求与设计特征的量化关联值,并将其填入质量屋关系矩阵中。

4.2 技术特征设计
经过专业访谈与市场调查发现顾客在选购功能背包产品时主要从整体架式结构、容量大小以及背负系统可调性3 方面因素来权衡满意度。据上述3种选购因素,结合产品在不同户外环境条件将功能背包设计特征差异性分成休闲旅游、郊游健行、野营登山、远征探险4 种型式(见表2) ,每种设计特征又各包含有2 种不同次级型式。

　　QFD 展开时质量屋屋顶的相关矩阵为三角矩阵形式,该矩阵通过两两相关比较来表达特征间相关程度。设计特征间相关程度可分为强正相关、中正相关、弱负相关。由于篇幅所限，这部分将在MATALB优化程序中表示。

4.3 权重设置

4.3.1两两比较构造判断矩阵
在获取顾客需求的基础上，运用AHP法进行需求层次评价分析。由此可以构造顾客需求项目间重要性评价矩阵：

其中，表示对的相对重要数值，具体值要有权威部门或权威人士来定，n=19。按照尺度的定义，得

根据我们所采集的数据，得到如下矩阵：

4.3.2权向量的确定
权向量的取法有多种方法，本文采用较常见的特征值根法。计算成对比较矩阵的最大特征值和最大特征值对应的特征向量。

经计算得：
=19，最大特征值对应的特征向量为

然后，对特征向量进行归一化处理

归一化处理后得到权向量

经计算的：

4.3.3一致性检验：
为评估顾客在层次实验过程中判断的有效性，进行一致性检验。
，查表可得。当具有满意的一致性。即所建立的层次分析模型是正确的。
4.3.4 MATLAB编程
具体的MATLAB程序如下：
a=[8.3 5.3 7.1 3.6 3.5 4.1 2.9 5.9 2.9
5.9 5.3 7.1 7.7 12.5 3.1 2.7 4.1 4.7 3.3];
A=ones(19);%19x19的比较矩阵
for i=1:19
for j=1:19
A(i,j)=a(i)\a(j);
end
end
[x,y]=eig(A);%求特征值和特征向量
w1=abs(x(:,2));%最大特征值对应的特征向量
w=w1/(sum(w1));%归一化处理

五、优化分析
5.1符号说明

设：

首先，对矩阵归一化处理。将用户的评价进行量化。采用MATLAB编程如下：

5．2归一处理
%归一化R矩阵
R=[3.0 2.5 2.0 2.6 1.9 2.3 1.4 1.8
2.8 2.3 1.6 2.3 1.9 2.0 1.2 1.7
2.5 2.5 2.3 3.7 2.7 2.5 1.6 1.8
1.2 2.0 2.8 2.2 2.4 3.1 3.0 3.3
0.7 0.5 1.7 1.2 0.5 2.8 2.3 3.0
1.5 0.3 2.5 2.0 0.2 3.5 2.7 3.1
2.5 2.3 3.3 2.4 4.0 4.5 2.8 3.1
3.5 1.5 3.0 2.7 2.4 2.2 2.0 2.0
3.7 3.3 2.2 4.0 2.8 2.1 1.8 1.5
1.7 1.3 3.0 2.0 2.5 2.2 3.2 2.3
0.5 2.2 3.0 1.5 2.1 3.0 3.5 2.5
0.8 1.5 2.7 1.8 1.8 2.1 3.9 4.9
2.3 2.7 3.0 3.0 1.7 2.4 3.2 3.7
2.6 2.8 3.5 2.8 2.7 3.5 3.1 2.4
1.5 2.2 2.3 2.2 2.1 3.1 3.2 3.7
0.6 1.3 1.2 1.2 3.2 2.7 3.8 2.5
1.5 1.8 3.3 2.8 2.4 4.0 1.9 2.0
3.5 2.3 2.2 2.7 2.1 2.3 3.6 2.5
2.5 3.1 2.3 2.4 2.1 2.7 3.2 2.3
];
B=zeros(8);
B(1,2)=5;B(1,3)=3;B(2,3)=5;B(2,4)=3;B(2,5)=1;
B(2,6)=3;B(2,7)=5;B(2,8)=1;B(3,4)=3;B(3,6)=3;
B(3,7)=1;B(3,8)=1;B(4,5)=5;B(4,7)=5;B(4,8)=1;
B(5,7)=1;B(5,8)=3;B(6,7)=3;B(6,8)=5;B(7,8)=3;

B(2,1)=5;B(3,1)=3;B(3,2)=5;B(4,2)=3;B(5,2)=1;
B(6,2)=3;B(7,2)=5;B(8,2)=1;B(4,3)=3;B(6,3)=3;
B(7,3)=1;B(8,3)=1;B(5,4)=5;B(7,4)=5;B(8,4)=1;
B(7,5)=1;B(8,5)=3;B(7,6)=3;B(86)=5;B(8,7)=3;
%B为自相关矩阵，5表示强相关，3表示相关，1表示弱相关
C=R*B; %建立关联矩阵和相关矩阵之间的约束关系
C1=sum(C');
for i=1:19
C(i,:)=C(i,:)/C1(i)
end
C%归一化的矩阵,
归一化的结果是C矩阵的每一行之和都为一。
C =

[0.0713 0.1944 0.1519 0.1226 0.0860 0.1030 0.1608 0.1099
0.0701 0.1915 0.1536 0.1244 0.0865 0.1024 0.1618 0.1097
0.0662 0.1879 0.1432 0.1286 0.0955 0.0962 0.1668 0.1156
0.0602 0.1853 0.1172 0.1464 0.0848 0.1306 0.1487 0.1267
0.0395 0.2028 0.1139 0.1227 0.0926 0.1482 0.1461 0.1342
0.0382 0.2259 0.1200 0.1102 0.0945 0.1357 0.1441 0.1314
0.0589 0.1949 0.1255 0.1484 0.0727 0.1120 0.1475 0.1401
0.0600 0.2238 0.1334 0.1363 0.0836 0.1072 0.1417 0.1141
0.0723 0.1912 0.1540 0.1283 0.0926 0.0920 0.1637 0.1058
0.0572 0.2099 0.1096 0.1612 0.0789 0.1254 0.1309 0.1269
0.0692 0.1837 0.1107 0.1595 0.0716 0.1335 0.1387 0.1332
0.0518 0.1841 0.1010 0.1529 0.0967 0.1622 0.1396 0.1117
0.0663 0.1888 0.1281 0.1334 0.0943 0.1331 0.1517 0.1043
0.0692 0.1976 0.1304 0.1420 0.0765 0.1135 0.1465 0.1242
0.0576 0.1825 0.1233 0.1407 0.0885 0.1339 0.1507 0.1227
0.0408 0.1834 0.1063 0.1818 0.0752 0.1269 0.1313 0.1543
0.0639 0.1970 0.1277 0.1311 0.0801 0.1047 0.1578 0.1378
0.0575 0.2098 0.1368 0.1413 0.0854 0.1168 0.1387 0.1137
0.0706 0.1880 0.1380 0.1417 0.0794 0.1175 0.1477 0.1172];

5.3建立多目标优化

就是通过建立用户需求和设计特征之间的关联函数。关联函数是设计者和用户需求的纽带。一般情况下，都是建立的一种线性多项式数学模型。因此，目标函数如下：

在大多数情况下，用户对产品是有一定的期望值的。不妨设，用户对期望的改进如下：

引入一个松弛因子，限制实际该善和优化需求的差距。我们的优化目标就变成求的最小值的多目标优化，将多目标改成单目标，引入AHP求出的权重系数。

5.4优化程序
下面采用MATLAB自带函数进行优化处理：

5.4.1目标函数如下：
function ff=xiandaiobj(x) %构造目标函数，命名为xiandaiobj.m
%ff为目标函数
ff=0.0282*abs(y(1))+0.0441*abs(y(2))+0.0329*abs(y(3))+0.0649*abs(y(4))+0.0668*abs(y(5))+ 0.0570*abs(y(6))+0.0806*abs(y(7))+0.0396*abs(y(8))+0.0806*abs(y(9))+0.0396*abs(y(10))+0.0441*abs(y(11))+0.0329*abs(y(12))+0.0304*abs(y(13))+0.0187*abs(y(14))+0.0754*abs(y(15))+0.0866*abs(y(16))+ 0.0570*abs(y(17))+ 0.0497*abs(y(18))+ 0.0708*abs(y(19));

5.4.2约束条件如下：
function [c,ceq]=xiandaicon(x) %构造约束函数，命名为xiandaicon.m
%改进后的关联函数如下
y=[-1.5+0.071346*x(1)+0.19437*x(2)+0.15195*x(3)+0.12264*x(4)+0.086001*x(5)+0.10297*x(6)+0.16082*x(7)+0.10991*x(8);
-1.2+0.070138*x(1)+0.19148*x(2)+0.15361*x(3)+0.12435*x(4)+0.086489*x(5)+0.10241*x(6)+0.16179*x(7)+0.10972*x(8);
1.3+0.066166*x(1)+0.18793*x(2)+0.14325*x(3)+0.12858*x(4)+0.095498*x(5)+0.09618*x(6)+0.16678*x(7)+0.11562*x(8);
-1+0.060249*x(1)+0.18533*x(2)+0.11722*x(3)+0.14637*x(4)+0.084807*x(5)+0.13065*x(6)+0.14866*x(7)+0.12672*x(8);
-1.2+0.039522*x(1)+0.20281*x(2)+0.11388*x(3)+0.12272*x(4)+0.092564*x(5)+0.14821*x(6)+0.14613*x(7)+0.13417*x(8);
-1.2+0.038152*x(1)+0.22594*x(2)+0.11997*x(3)+0.11022*x(4)+0.094532*x(5)+0.13565*x(6)+0.14413*x(7)+0.13141*x(8);
-1.4+0.058904*x(1)+0.19488*x(2)+0.12552*x(3)+0.14836*x(4)+0.072667*x(5)+0.11203*x(6)+0.14754*x(7)+0.1401*x(8);
-1.3+0.059956*x(1)+0.22384*x(2)+0.13336*x(3)+0.13626*x(4)+0.083576*x(5)+0.10719*x(6)+0.14172*x(7)+0.1141*x(8);
-1+0.0723*x(1)+0.19124*x(2)+0.15399*x(3)+0.12833*x(4)+0.092645*x(5)+0.092019*x(6)+0.16369*x(7)+0.10579*x(8);
-1.2+0.057174*x(1)+0.20989*x(2)+0.10955*x(3)+0.1612*x(4)+0.078938*x(5)+0.12541*x(6)+0.13095*x(7)+0.12689*x(8);
-1.20.06918*x(1)+0.18367*x(2)+0.11069*x(3)+0.15946*x(4)+0.071602*x(5)+0.13352*x(6)+0.13871*x(7)+0.13317*x(8);
-1.4+0.051844*x(1)+0.18411*x(2)+0.10103*x(3)+0.15287*x(4)+0.09671*x(5)+0.16218*x(6)+0.13958*x(7)+0.11167*x(8);
-1.3+0.066274*x(1)+0.18881*x(2)+0.12813*x(3)+0.13343*x(4)+0.094256*x(5)+0.13314*x(6)+0.15169*x(7)+0.10427*x(8);
-1+0.06917*x(1)+0.19763*x(2)+0.13043*x(3)+0.14201*x(4)+0.07651*x(5)+0.1135*x(6)+0.14653*x(7)+0.12422*x(8);
-1.2+0.05763*x(1)+0.18255*x(2)+0.12331*x(3)+0.1407*x(4)+0.088538*x(5)+0.13393*x(6)+0.15068*x(7)+0.12267*x(8);
-1.4+0.040808*x(1)+0.18343*x(2)+0.10626*x(3)+0.18182*x(4)+0.075152*x(5)+0.12687*x(6)+0.13131*x(7)+0.15434*x(8);
-1.3+0.063851*x(1)+0.19696*x(2)+0.1277*x(3)+0.13108*x(4)+0.080068*x(5)+0.10473*x(6)+0.15777*x(7)+0.13784*x(8);
-1+0.05746*x(1)+0.20984*x(2)+0.13683*x(3)+0.14127*x(4)+0.085397*x(5)+0.11683*x(6)+0.13873*x(7)+0.11365*x(8);
-1.3+0.070551x(1)+0.18803*x(2)+0.13795*x(3)+0.14173*x(4)+0.07937*x(5)+0.11748*x(6)+0.14772*x(7)+0.11717*x(8)];
%将abs(e)<0.1,说明用y代替e
c=[y(1)-0.1;y(2)-0.1;y(3)-0.1;y(4)-0.1; y(5)-0.1; y(6)-0.1; y(7)-0.1; y(8)-0.1; y(9)-0.1;y(10)-0.1;
y(11)-0.1; y(12)-0.1;y(13)-0.1;y(14)-0.1;y(15)-0.1;y(16)-0.1;y(17)-0.1;y(18)-0.1;y(19)-0.1;
-0.1-y(1);-0.1-y(2);-0.1-y(3);-0.1-y(4); -0.1-y(5);-0.1-y(6);-0.1-y(7); -0.1-y(8);-0.1-y(9);-0.1-y(10);
-0.1-y(11);-0.1-y(12);-0.1-y(13);-0.1-y(14);-0.1-y(15);-0.1-y(16);-0.1-y(17); -0.1-y(18);-0.1-y(19);];
ceq=[];%没有等式约束，设为空矩阵

5.4.3主函数调用程序：

lb=ones(1,8);%x取值的下限
ub=1.8*ones(1,8);%x取值的上限
x0=ones(1,8);%初始值
%fmincon为非线性优化函数
[x,fval]=fmincon(@xiandaiobj,x0,[],[],[],[],lb,ub,@xiandaicon)
%x改善率，fval对于的目标取值

5.4.4运行结果：
x =

1.2567 0.9028 2.1844 0.6156 0.6156 2.1844 1.0765 1.2210

fval =

0.1223

六、项目小结