fminimax 函数使多目标函数中的最坏情况达到最小化。给定初值估计，该值必须服从一定的约束条件。其语法格式为：
x = fminimax(fun,x0)：初值为x0，找到fun函数的最大最小化解x。
x = fminimax(fun,x0,A,b)：给定线性不等式A*x <= b，求解最大最小化问题。
x = fminimax(fun,x,A,b,Aeq,beq)：给定线性等式，Aeq*x = beq，求解最大最小化问题。如果没有不等式存在，则设置A=[ ]、b=[ ]。
x = fminimax(fun,x,A,b,Aeq,beq,lb,ub)：为变量定义一系列下限lb和上限ub，使得总有lb <= x <= ub。
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)：在nonlcon参数中给定非线性不等式约束c(x)或等式约束ceq(x)，fminimax函数要求c(x) <= 0且ceq(x) = 0。若没有边界存在，则设置lb=[ ]和（或）ub=[ ]。
x = fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)：用options给定的参数进行优化。
[x,fval] = fminimax(...)：返回解x处的目标函数值。
[x,fval,maxfval,exitflag,output] = fminimax(...)：返回解x处的最大函数值，返回exitflag参数描述函数计算的退出条件，返回描述优化信息的结构输出output参数。
[x,fval,maxfval,exitflag,output,lambda] = fminimax(...)：返回包含解x处Lagrange乘子的lambda参数。
语法格式中的maxfval变量为解x处函数值的最大值，maxfval = max{fun(x)}。
fminimax函数使用序列二次规划法（SQP）进行计算，对一维搜索法和Hess矩阵的计算进行了修改。在一维搜索中，将精确目标函数和另外目标函数一起使用。当有一个目标函数不再发生改善时，一维搜索终止。这里使用了改进的Hess矩阵。
在使用fminmax函数时需要注意下面几个问题。
（1）在options.MinAbsMax中设置F最大绝对值最小化的目标数。该目标数应该被放到F的第1个元素中。
（2）当提供了等式约束并且在二次子问题中发现并剔除了因变等式时，则在过程标题中打印'dependent'字样（当输出选项被设置为options.Display='iter'）。因变等式只有在等式连续的情况下才被剔除。若等式不连续，则子问题不可行并且在过程标题中打印'infeasible'字样。
另外，要求目标函数必须连续，否则fminimax函数有可能给出局部最优解。