6.15 工程数学实验二

实验二:最速下降法程序设计

一、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。

 

二、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,有能力的同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。

 

 

三、算法步骤、代码、及结果

1. 算法步骤

首先定义实验的函数,然后算出梯度,给出几组例值。

2. 代码

% 定义目标函数

f = @(x) (x(1)+10*x(2))^2 + 5*(x(3)-x(4))^2+(x(2)-2*x(3)^4+10*(x(1)-x(4)))^2;

 

% 最速下降法求解

% 设定初始点和迭代终止准则

x0_list = [-2, 5, 6, 7; 2 ,2 ,6 , 5; 0.5, -1.5, 2, 5]; % 多个不同的初始点

max_iter = 10000;

tol = 1e-5;

results = zeros(size(x0_list, 1), 4); % 存储最优结果

 

for i = 1:size(x0_list, 1)

    x0 = x0_list(i,:);

    x = x0';

    a = 0.01; % 步长

    iter = 0;

    grad_norm = inf;

    func_values = zeros(max_iter, 1); % 新增:记录每一步的函数值

    while grad_norm > tol && iter < max_iter

        iter = iter + 1;

        grad = [400*x(1)^3-400*x(1)*x(2)+2*x(1)-2;

                 200*(x(2)-x(1)^2);

                 10*(x(3)-x(4));

                 -10*(x(3)-x(4))];

        x_new = x - a*grad;

        if f(x_new) < f(x)

            x = x_new;

            a = a * 1.1;

        else

            a = a * 0.5;

        end

        grad_norm = norm(grad);

        func_values(iter) = f(x); % 记录当前迭代的函数值

    end

    results(i, :) = x;

    fprintf('初始点 (%g, %g, %g, %g)\n', x0(1), x0(2), x0(3), x0(4));

    fprintf('迭代次数: %d\n', iter);

    fprintf('最优点: (%g, %g, %g, %g)\n', x(1), x(2), x(3), x(4));

    fprintf('最优函数值: %g\n', f(x));

    fprintf('\n');

        % 绘制当前初始点对应的函数值变化曲线

    plot(1:iter, func_values(1:iter), 'LineWidth', 1.5, ...

         'DisplayName', sprintf('初始点%d', i));

    hold on;

end

 

% 添加标题、标签、图例和网格

xlabel('迭代次数');

ylabel('函数值');

title('函数值随迭代次数变化');

legend('show');

grid on;

hold off;

 

3. 结果

 

 

 

四、心得体会

在这个实验中,我学习了最速下降法的基本原理和实现过程。通过编程实践,我掌握了负梯度方向的定义和最速下降法的迭代公式。在实验中,我首先定义了目标函数,并计算了其梯度。然后,我选择了多个不同的初始点,并设置了迭代终止准则。在迭代过程中,我不断更新参数,直到满足了停止条件或达到最大迭代次数。

通过实验,我深入理解了最速下降法的迭代过程,以及如何根据梯度信息来更新参数以找到函数的局部最小值。我还学会了如何利用MATLAB编程语言来实现最速下降法,并且能够绘制出函数值随迭代次数变化的曲线图,以直观地观察算法的收敛情况。

总的来说,这个实验帮助我巩固了最速下降法的基本原理和思想,提高了我的编程能力和数值优化的实践经验。通过这次实验,我更加熟悉了优化算法的实现过程,并且对如何解决实际问题有了更深入的理解。

posted @ 2024-06-13 15:36  七安。  阅读(15)  评论(0编辑  收藏  举报