% 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。