无约束优化--共轭梯度法例题matlab代码

歌剧魅影

于 2024-10-11 17:17:58 发布

阅读量152

点赞数 5

文章标签： matlab 算法线性代数

本文链接：https://blog.csdn.net/2303_77395840/article/details/142858117

版权

题目：用共轭梯度法求下列函数的极小点:

$f(x)=4x_{1}^{2}+4x_{2}^{2}-4x_{1}x_{2}-12x_{2}$ ，取初始点 $x^{0}=(-0.5,1)^{T}$

%% 共轭梯度法
x=[];
x(1,:)=[-0.5,1];
% y=4*x1^2+4*x2^2-4*x1*x2-12*x2;
average=[];
gard_y=[];%梯度
beta=[];
d=[];
for i=1:2
    x1=x(i,1);
    x2=x(i,2);
    gard_y(i,1)=8*x1-4*x2;
    gard_y(i,2)=8*x2-4*x1-12;
    if i==1
        d(i,:)=(-1)*gard_y(i,:);
    else
        t1=gard_y(i-1,1);
        t2=gard_y(i-1,2);
        t3=gard_y(i,1);
        t4=gard_y(i,2);
        beta(i-1)=(t3^2+t4^2)/(t1^2+t2^2);  %仅针对二维
        d(i,:)=(-1)*gard_y(i,:)+beta(i-1)*d(i-1,:);
    end
    d_com=d(i,:);
    
    [x_next,aver]=compute(d_com,x1,x2);
    x(i+1,:)=x_next;
    average(i)=aver;
end

function [x_next,aver]=compute(d,x1,x2)
syms x;
X1=d(1)*x+x1;
X2=d(2)*x+x2;
f=4*X1^2+4*X2^2-4*X1*X2-12*X2;
s = solve(f,x); % f为符号函数，当不采用包含等式==的方程时，默认求根，否则求方程的解
aver=mean(s);
x_next=[x1+aver*d(1),x2+aver*d(2)];
end

共轭梯度法具有二次终止性，经过有限次迭代即可达到最优，本题经过两次迭代即得到最优。

两次一维精确搜索得到的步长 $\alpha$ 分别为：0.1635、0.1275