工程数学上机实验(二)
最速下降法程序设计
1、实验目的
通过最速下降法的程序设计,为今后的约束优化方法的学习和编程奠定基础;掌握负梯度方向 的定义和最速下降法的迭代公式;通过此次实验,进一步巩固最速下降法的基本原理和思想。
2、实验内容
(1)求解无约束优化问题:
(2)终止准则取
(3)完成最速下降法(负梯度法)的 MATLAB 编程、调试;
(4)要求选取多个不同的初始点,并给出迭代次数,最优函数值等相关信息,有能力的学尝 试画出最优值随迭代次数变化的曲线图;
(5)按照模板撰写实验报告,要求规范整洁。
3、操作要点
(1)最速下降法 Matlab 的实现;
(2)学会分析实验结果;
(3)撰写实验报告;
4、主要仪器设备
微机及 Matlab 软件
代码:
grad.m
function [x,val,k] = grad(fun,gfun,x0)
%功能: 用最速下降法求解无约束问题: min f(x)
%输入: x0是初始点,fun,gfun分别是目标函数和梯度
%输出: x,va1分别是近似最优点和最优值, k是选代次数.
maxk = 5000; % 最大迭代次数
rho = 0.5;
sigma = 0.4;
k = 0;
epsilon = 1e-5;
while (k < maxk)
g = feval(gfun,x0); % 计算梯度
% 初始化搜索方向
d = -g;
if (norm(d) < epsilon)
break;
end
m = 0;
mk = 0;
while (m < 20) % Armijo搜索
if (feval(fun,x0+rho^m*d) < feval(fun,x0)+sigma*rho^m*g'*d)
mk = m;
break;
end
m = m+1;
end
x0 = x0+rho^mk*d;
k = k+1;
end
x = x0;
val = feval(fun,x0);
end
main.m
% 定义目标函数和梯度函数
fun = @(x) 100*(x(1)^2-x(2))^2+(x(1)-1)^2;
gfun = @(x) [400*x(1)*(x(1)^2-x(2))+2*(x(1)-1); -200*(x(1)^2-x(2))];
% 定义多个不同的初始点
x0_list = [1.2, 1.2; -1.2, 1.2; -1.2, -1.2; 1.2, -1.2; 0, 0];
% 遍历所有初始点并运行 grad 函数
for i = 1:size(x0_list, 1)
x0 = x0_list(i, :)';
[x, val, k] = grad(fun, gfun, x0);
fprintf('初始点: (%.1f, %.1f), 迭代次数: %d, 最优函数值: %f\n', x0, k, val);
end
运行结果