最优化第二讲—一维搜索算法（二分法、等区间法）

本讲主要列一下单峰搜索算法

问题：f(x)在区间[a,b]内只有一个极小值点，要找到这个极小值点或者这个极小值点所在的区间[x1,x2]，其中[x1, x2]要远远小于[a, b]

方法：

一个通用的结论

要缩小区间，必须计算两个点，如果所示，必须计算x1和x2，然后对函数值进行比较。如果f（x1）小于f（x2），那么就说明极小值点一定在a到x2之间，反之也是这个思路。途中后面的两个式子将在以后的方法中反复使用。注意这了仅仅指的是单峰函数

具体的方法基本都是基于以上的思路，不同的是怎么确定x1和x2

具体的方法有

1. 二分搜索法（dichotomous search）

步骤一：首先找到[a,b]的中间点c，c=(a+b)/2，这就是“二分”的意思

步骤二：事先确定一个值sigma，在c左右各找二分之sigma，产生x1、x2。这个就是通用结论中的x1、x2

步骤三：按照通用结论中的方法来做

步骤四：循环确定区间[x1, x2]，直到满足要求为止

查找速度：新区间的长度L(n+1)，上一个区间的长度L(n)，他们的关系是：L(n+1) = L(n)/2 + sigma/2

这个方法其实只是确定了x1和x2怎么找。

计算量：需要计算三个点

缺点：一是需要预先指定sigma，指定不好会有问题。二是得到x1、x2需要计算三个点

2. 等分区间搜索（equal-interval search）

三点等分（也就是区间四等分）

算法跟上面的基本一致，下面通过一个计算题描述一下<