最优化 多目标优化 惩罚函数法 梯度法 牛顿法
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2008-12-08 12:30
利用梯度法和牛顿法编程求最优解(matlab)
f(x)=x1^2+4*x2^2 x0=[2;2] e=0.002
利用梯度法和牛顿法编程求最优解
方法一.梯度法
function y=fun(x1,x2)
y=x1^2+4*x2^2; %定义fun.m函数
clc
syms x1 x2 d;
f=x1^2+4*x2^2;
fx1=diff(f,'x1');
fx2=diff(f,'x2');
x1=2;
x2=2;
for n=1:100
f0=subs(f);
f1=subs(fx1);
f2=subs(fx2);
if (double(sqrt(f1^2+f2^2)) <= 0.002)
n
vpa(x1)
vpa(x2)
vpa(f0)
break;
else
D=fun(x1-d*f1,x2-d*f2);
Dd=diff(D,'d');
dd=solve(Dd);
x1=x1-dd*f1;
x2=x2-dd*f2;
end
end %结果n=10,x1=0.2223e-3,x2=-0.1390e-4,f0=0.5021e-7. 方法二.牛顿法
clc
syms x1 x2 ;
f=x1^2+4*x2^2;
fx1=diff(f,'x1'); fx2=diff(f,'x2');
fx1x1=diff(fx1,'x1');fx1x2=diff(fx1,'x2');fx2x1=diff(fx2,'x1');fx2x2= diff(fx2,'x2');
x1=2;
x2=2;
for n=1:100
f0=subs(f);
f1=subs(fx1);
f2=subs(fx2);
if (double(sqrt(f1^2+f2^2)) <= 0.002)
n
x1=vpa(x1,4)
x2=vpa(x2,4)
f0=vpa(f0,4)
break;
else
X=[x1 x2]'-inv([fx1x1 fx1x2;fx2x1 fx2x2]) *[f1 f2]';
x1=X[1,1];
x2=X[2,1];
end
end %结果 n=2,x1=0,x2=0,f0=0.
惩罚函数法(内点法、外点法)求解约束优化问题最优值编程 matlab
1 用外点法求下列问题的最优解
方法一:外点牛顿法:
clc
m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50);%a b为最优点坐标,f0为最优点函数值,f1 f2最优点梯度。
syms x1 x2 e; %e为罚因子。m(1)=1;c=10;a(1)=0;b(1)=0; %c为递增系数。赋初值。
f=x1^2+x2^2+e*(1-x1)^2;f0(1)=1;
fx1=diff(f,'x1');fx2=diff(f,'x2');fx1x1=diff(fx1,'x1');fx1x2=diff(fx1 ,'x2');fx2x1=diff(fx2,'x1');fx2x2=diff(fx2,'x2');%求偏导、海森元素。for
k=1:100 %外点法e迭代循环.
x1=a(k);x2=b(k);e=m(k);
for
n=1:100 %梯度法求最优值。
f1=subs(fx1); %求解梯度值和海森矩阵
f2=subs(fx2);
f11=subs(fx1x1);
f12=subs(fx1x2);
f21=subs(fx2x1);
f22=subs(fx2x2);
if(double(sqrt(f1^2+f2^2))<=0.001) %最优值收敛条件
a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f ));
break;
else
X=[x1 x2]'-inv([f11 f12;f21 f22])*[f1 f2]';
x1=X(1,1);x2=X(2,1);
end
end
if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)-b(k))^2))<=0.001)&&(double(abs ((f0(k+1)-f0(k))/f0(k)))<=0.001) %罚因子迭代收敛条件
a(k+1) %输出最优点坐标,罚因子迭代次数,最优值
b(k+1)
k
f0(k+1)
break;
else
m(k+1)=c*m(k);
end
end
方法二:外点梯度法:
clc
m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50); syms d x1 x2 e;
m(1)=1;c=10;a(1)=0;b(1)=0; f=x1^2+x2^2+e*(1-x1)^2; f0(1)=1;
fx1=diff(f,'x1');
fx2=diff(f,'x2');
for k=1:100
x1=a(k);x2=b(k);e=m(k);
for n=1:100
f1=subs(fx1);
f2=subs(fx2);
if(double(sqrt(f1^2+f2^2))<=0.002)