每日总结52

合集 - 大二日报(66)

1.每日总结12024-03-112.每日总结22024-03-113.每日总结32024-03-114.每日总结42024-03-115.每日总结52024-03-196.每日总结62024-03-197.每日总结72024-03-198.每日总结82024-03-199.每日总结92024-03-1910.每日总结102024-03-1911.每日总结112024-03-2812.每日总结122024-03-2813.每日总结132024-03-2814.每日总结142024-03-2815.每日总结152024-03-2816.每日总结162024-03-2817.每日总结172024-03-2818.每日总结182024-04-0219.每日总结192024-04-0220.每日总结202024-04-0221.每日总结212024-04-1622.每日总结222024-04-1623.每日总结232024-04-1624.每日总结242024-04-1625.每日总结252024-04-1626.每日总结262024-04-1627.每日总结272024-04-1628.每日总结282024-04-1629.每日总结292024-04-1630.每日总结302024-04-1631.每日总结322024-04-2332.每日总结312024-04-2333.每日总结332024-04-2334.每日总结342024-04-2335.每日总结352024-04-2336.每日总结412024-05-2237.每日总结422024-05-2238.每日总结442024-05-2239.每日总结462024-05-2240.每日总结472024-05-2241.构建之法读后感022024-05-2242.构建之法读后感032024-05-2243.梦断代码读后感012024-05-0944.梦断代码读后感022024-05-1045.梦断代码读后感032024-05-1746.构建之法读后感012024-05-1747.每日总结392024-05-1748.每日总结402024-05-1749.每日总结452024-05-2250.每日总结482024-05-2351.每日总结492024-05-2452.每日总结502024-05-2753.每日总结512024-05-28

54.每日总结522024-05-29

55.每日总结532024-05-3156.每日总结542024-06-0357.每日总结552024-06-0458.每日总结562024-06-0559.每日总结572024-06-0660.每日总结582024-06-0761.每日总结602024-06-1162.每日总结612024-06-1263.每日总结64（事后诸葛亮会议）2024-06-1364.每日总结63（关于课程个人总结）2024-06-1265.第一阶段冲刺个人分工2024-04-2766.每日总结622024-06-12

收起

今天去配了一把车钥匙 我才发现原来钥匙这么好复刻 

下午继续完成实验作业

完成了牛顿法

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

% 使用符号变量定义目标函数、梯度和Hessian矩阵 syms x1 x2 x3 x4; funf_sym = (x1 + 10*x2)^2 + 5*(x3 - x4)^2 + (x2 - 2*x3)^4 + 10*(x1 - x4)^4; gradf_sym = gradient(funf_sym, [x1, x2, x3, x4]); hessf_sym = hessian(funf_sym, [x1, x2, x3, x4]);   % 将符号表达式转换为函数句柄，明确设置为接受列向量 funf = matlabFunction(funf_sym, 'Vars', {[x1; x2; x3; x4]}); gradf = matlabFunction(gradf_sym, 'Vars', {[x1; x2; x3; x4]}); hessf = matlabFunction(hessf_sym, 'Vars', {[x1; x2; x3; x4]});   % 初始化初始点和精度 x0 = [2; 2; 2; 2]; % 初始点 epsilon = 1e-6; % 收敛阈值     % 调用牛顿法 [k, x_opt, f_opt] = dampnm(funf, gradf, hessf, x0, epsilon);   % 输出结果 fprintf('迭代次数: %d\n极值点 x: [%f, %f, %f, %f]\n极值点的函数值: %f\n', ...         k, x_opt(1), x_opt(2), x_opt(3), x_opt(4), f_opt);

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

function [k, x, val] = dampnm(fun, gfun, Hess, x0, epsilon) % 输入:% fun - 被优化的函数;% gfun - 目标函数的梯度;% Hess - 目标函数的Hessian矩阵;% x0 - 初始点;% epsilon - 收敛阈值;% 输出:% k - 迭代次数;% x - 极值点;% val - 极值点的函数值; k = 1; % 初始化迭代计数器 gk = feval(gfun, x0); % 计算初始梯度和Hessian矩阵 Gk = feval(Hess, x0); while norm(gk) > epsilon     dk = -Gk\gk;               % 求解线性方程组以找到搜索方向     x0 = x0 + dk;               % 更新点     gk = feval(gfun, x0);    % 计算新点的梯度和Hessian矩阵     Gk = feval(Hess, x0);             k = k + 1;    % 迭代计数器递增      if k > 10000   % 如果迭代次数太多，退出循环         warning('The method did not converge after 10000 iterations.');         break;     end end x = x0; % 输出最终迭代结果 val = feval(fun, x0); end