下载频道> 资源分类> matlab源码> 算法设计> ​学会不同搜索法(最速下降法,共轭梯度法,牛顿法,拟牛顿法)的计算步骤

标题:​学会不同搜索法(最速下降法,共轭梯度法,牛顿法,拟牛顿法)的计算步骤
分享到:

所属分类: 算法设计 资源类型:程序源码 文件大小: 3.59 KB 上传时间: 2019-06-16 08:42:07 下载次数: 562 资源积分:1分 提 供 者: zhangsan456 code
内容:
学会不同搜索法(最速下降法,共轭梯度法,牛顿法,拟牛顿法)的计算步骤; 比较不同搜索法(最速下降法,共轭梯度法,牛顿法,拟牛顿法)的优缺点。
%精确一维搜索法的子函数,0.618法,gold.m
%输入的变量x为初始迭代点是四维的向量,d为初始迭代方向是四维的向量
%输出变量是在[0,10]区间上使函数取得极小值点的步长因子
function alfa=gold(x,d)
f='((x(1)+alfa*d(1))+10*(x(2)+alfa*d(2)))^2+5*((x(3)+alfa*d(3))-(x(4)+alfa*d(4)))^2+((x(2)+alfa*d(2))-2*(x(3)+alfa*d(3)))^4+10*((x(1)+alfa*d(1))-(x(4)+alfa*d(4)))^4';
a=0;
b=10;
tao=0.618;
lanmda=a+(1-tao)*(b-a);
mu=a+tao*(b-a);
alfa=lanmda;
m=eval(f);
alfa=mu;
n=eval(f);
while 1
    if m>n
        if abs(lanmda-b)<1e-4
            alfa=mu;
            return
        else
            a=lanmda;
            lanmda=mu;
            m=n;
            mu=a+tao*(b-a);
            alfa=mu;
            n=eval(f);
        end
    else
        if abs(mu-a)<1e-4
            alfa=lanmda;
            return
        else
            b=mu;
            mu=lanmda;
            n=m;
            lanmda=a+(1-tao)*(b-a);
            alfa=lanmda;
            m=eval(f);
        end
    end
end

文件列表(点击上边下载按钮,如果是垃圾文件请在下面评价差评或者投诉):

关键词: 最速下降法 共轭梯度法 牛顿法 拟牛顿法

Top_arrow
回到顶部
联系方式| 版权声明| 招聘信息| 广告服务| 银行汇款| 法律顾问| 兼职技术| 付款方式| 关于我们|
网站客服网站客服 程序员兼职招聘 程序员兼职招聘 博客客服
沪 ICP 证 14049794 号
谷速代码 版权所有
Copyright © 1999-2014, GUSUCODE.COM, All Rights Reserved