【牛顿法不需要手动计算梯度黑森矩阵matlab代码】

% 定义函数
syms x1 x2;
f = 100*(x2-x1^2)^2 + (x1-1)^2;
% 计算梯度和海森矩阵
grad = [diff(f, x1); diff(f, x2)];
H = hessian(f, [x1, x2]);
% 初始点
x0 = [-1.2; 1];
tol = 1e-6; % 容许误差
max_iter = 100; % 最大迭代次数
for iter = 1:max_iter
    % 计算梯度和海森矩阵在当前点的值
    grad_val = double(subs(grad, {x1, x2}, x0'));  % 使用大括号包裹变量名
    H_val = double(subs(H, {x1, x2}, x0'));  % 同样在这里使用大括号包裹变量名
    
    % 更新x
    x = x0 - inv(H_val) * grad_val;
    
    % 判断是否满足停止条件
    if norm(x - x0) < tol
        % 输出极小点坐标及其对应的函数值
        f_val_at_min = double(subs(f, {x1, x2}, x'));  % 确保维度匹配，使用转置操作
        disp('极小点坐标及对应的函数值为：');
        disp([x', f_val_at_min]);
        break;
    end
    
    x0 = x;
end

% syms x1 x2;
% f = (1.5-x1+x1*x2)^2+(2.25-x1+x1*x2^2)^2+(2.625-x1+x1*x2^3)^2;
% % 计算梯度和海森矩阵
% grad = [diff(f, x1); diff(f, x2)];
% H = hessian(f, [x1, x2]);
% % 初始点
% x0 = [1; 1];
% tol = 1e-8; % 容许误差
% max_iter = 10000; % 最大迭代次数
% for iter = 1:max_iter
%     % 计算梯度和海森矩阵在当前点的值
%     grad_val = double(subs(grad, {x1, x2}, x0')); 
%     H_val = double(subs(H, {x1, x2}, x0')); 
%     
%     % 更新x
%     x = x0 - inv(H_val) * grad_val;
%     
%     % 输出当前迭代点坐标、对应的函数值以及迭代次数
%     f_val_at_iter = double(subs(f, {x1, x2}, x'));
%     disp(['迭代次数：', num2str(iter), '，迭代点坐标：', mat2str(x'), ', 函数值：', num2str(f_val_at_iter)]);
%     
%     % 判断是否满足停止条件
%     if norm(x - x0) < tol
%         disp(['找到了极小点，坐标为：', mat2str(x'), ', 对应的函数值为：', num2str(f_val_at_iter)]);
%         break;
%     end
%     
%     x0 = x;
% end
% 
% % 如果达到最大迭代次数仍没满足停止条件，则输出最后一次迭代结果
% if iter == max_iter
%     disp('警告：未达到预设精度，迭代次数已达到最大值。');
%     f_val_at_max_iter = double(subs(f, {x1, x2}, x0'));
%     disp(['最后一次迭代得到的点坐标为：', mat2str(x0'), ', 对应的函数值为：', num2str(f_val_at_max_iter)]);
% end


% syms x1 x2 x3;
% f = 1000*(x3-5/pi*atan(x2/x1))^3 + 1000*((x1^2+x2^2)^(1/2)-1)^3 + x3^3;
% % 计算梯度和海森矩阵
% grad = [diff(f, x1); diff(f, x2);diff(f, x3)];
% H = hessian(f, [x1,x2,x3]);
% % 初始点
% x0 = [0.001;0.0001;0.0001];
% tol = 1e-8; % 容许误差
% max_iter = 100; % 最大迭代次数
% for iter = 1:max_iter
%     % 计算梯度和海森矩阵在当前点的值
%     grad_val = double(subs(grad, {x1,x2,x3}, x0')); 
%     H_val = double(subs(H, {x1, x2,x3}, x0')); 
%     
%     % 更新x
%     x = x0 - inv(H_val) * grad_val;
%     
%     % 输出当前迭代点坐标、对应的函数值以及迭代次数
%     f_val_at_iter = double(subs(f, {x1, x2 ,x3}, x'));
%     disp(['迭代次数：', num2str(iter), '，迭代点坐标：', mat2str(x'), ', 函数值：', num2str(f_val_at_iter)]);
%     
%     % 判断是否满足停止条件
%     if norm(x - x0) < tol
%         disp(['找到了极小点，坐标为：', mat2str(x'), ', 对应的函数值为：', num2str(f_val_at_iter)]);
%         break;
%     end
%     
%     x0 = x;
% end
% 
% % 如果达到最大迭代次数仍没满足停止条件，则输出最后一次迭代结果
% if iter == max_iter
%     disp('警告：未达到预设精度，迭代次数已达到最大值。');
%     f_val_at_max_iter = double(subs(f, {x1, x2,x3}, x0'));
%     disp(['最后一次迭代得到的点坐标为：', mat2str(x0'), ', 对应的函数值为：', num2str(f_val_at_max_iter)]);
% end

>> niudun2
极小点坐标及对应的函数值为：
    1.0000    1.0000         0

之前说的不需要手动计算函数梯度和黑森矩阵的牛顿法，但是有的题目求出来的值可能会存在一些错误，谨慎使用。仅作参考。