共轭梯度法matlab程序（需要直接复制）

function [x,val,k]=frcg(fun,gfun,x0)
% 功能: 用FR共轭梯度法求解无约束问题:  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, val分别是近似最优点和最优值,  k是迭代次数.
maxk=5000;   %最大迭代次数
rho=0.6;sigma=0.4;
k=0;  epsilon=1e-4; 
n=length(x0);
while(k<maxk)
    g=feval(gfun,x0);  %计算梯度
    itern=k-(n+1)*floor(k/(n+1));
    itern=itern+1;
    %计算搜索方向
    if(itern==1)  
        d=-g;  
    else
        beta=(g'*g)/(g0'*g0);
        d=-g+beta*d0;  gd=g'*d;
        if(gd>=0.0)
            d=-g;  
        end
    end
    if(norm(g)<epsilon), break; end   %检验终止条件
    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;
    val=feval(fun,x0);
    g0=g;  d0=d; 
    k=k+1;
end
x=x0;
val=feval(fun,x); 

function f=fun (x) 
f=100*(x(1)^2-x(2))^2+(x(1)-1)^2;
function g=gfun (x)
g=[400*x(1)*(x(1)^2-x(2))+2*x(1)-2 , -200*(x(1)^2-x(2))]';

>> x0=[0.5 0.5]'; [x,val,k]=frcg('fun','gfun',x0)

x =

    1.0000
    1.0000


val =

   3.5498e-10


k =

    44

换个初始点

>> x0=[1.2 -1]'; [x,val,k]=frcg('fun','gfun',x0)

x =

    0.9999
    0.9998


val =

   1.1686e-08


k =

    56

优点就是不需要求Hess矩阵，然后利用精确线搜索方法求步长（感觉优点还是蛮明显的）

老师说PRP公式最好

（内大最优化代码作业）