大连理工大学2022上半年最优化方法大作业

 收到校友的提问，这次的题目跟我当时不太一样，要求的精确线搜索，而且维数很高，之前的代码需要修改。为此专门写了这个博客，时间仓促，可能会有问题，有啥问题欢迎私信和评论，由于我要做其他事情，其他的请读者看懂了自己写，我只提供最速下降法的代码，其他的举一反三，并不难写。

具体理论，比如迭代方式等可以参看我其他博客

大连理工大学 2021年最优化方法大作业（1）_Jiang_Tesla的博客-CSDN博客_大连理工优化方法课后作业

大连理工大学 2021年最优化方法大作业（2）_Jiang_Tesla的博客-CSDN博客_大连理工大学最优化方法答案

这次的题比较抽象，我们首先应该知道下面两个式子

第二个式子考试也会用到，推导过程我就不写了，因为是精确线搜索，就需要指导兰姆达的具体数值，下面是推导过程

 推导完了咱们就可以上代码讲解了，这里我只对改动部分进行注释，这里带入我的学号了

n = 244;
x = zeros(n,1);
a = unidrnd(10,n,1);
G = a*a'+unidrnd(2)*eye(n);
b =0.5*G*ones(n,1);
eps = 0.0001;
start_zuisu(x,eps,G,b);

%改动的式子方程
function f = fun(x,G,b) 
f = 0.5*x'*G*x + b'*x
end
%改动的梯度
function g = grad(x,G,b) 
 g = G *x +b;
 end 

function start_zuisu(x0,eps,G,b) 
 gk = grad(x0,G,b);
 res = norm(gk);
 k = 0;
 while res > eps 
   fprintf('The %d-th iteration, the residual is %f\n',k,res); 
  fprintf('**********************************************\n');
  lamda = gk'*(G*x0+b)/(gk'*G*gk);%上面推导的兰姆达公式
    x0= x0 - lamda*gk;%最速迭代公式
    k = k+1;
    gk = grad(x0,G,b);
    res = norm(gk); 
 end 
 fprintf('The %d-th iteration, the residual is %f\n',k,res); 
  fprintf('%f\n',x0);
 fprintf('mi  n(f):%f\n',fun(x0,G,b));
 end

写的有点仓促，确实可能有不对的，欢迎指正。