算法原理
上一篇博客,我介绍了牛顿法迭代法,接下来我就们接着讲解一下什么是牛顿下山法。
一、迭代公式
在牛顿迭代过程中,若满足单调性|f(x(k+1))|<|f(x(k))|,
则称牛顿法为牛顿下山法。迭代过程为:
其中参数 ,称其为下山因子。
它改进了牛顿法对初值的依赖性,当所选初值不合适时(不满足单调性|f(x(k+1))|<|f(x(k))|),可以通过缩小下山因子,减小下一个点x(k+1)与x(k)的距离(缩小步长),若不合适则继续缩小。
下山因子 可用逐步搜索法确定,即先令下山因子=1,判断单
调性是否成立,若不成立将缩小1/2,直到单调性满足为止。
其他步骤与牛顿法相同,牛顿下山法为牛顿法的改进。
matlab程序
```bash
clc
clear
syms x
h=x.^3+x.^2-1;
fplot(h);
x0=NW(h,1,100);
function result=NW(h,x,n)
f=matlabFunction(h);
f1=matlabFunction(diff(h));
X(1)=x;
i=2;
r=1;
while 1
X(i)=X(i-1)-r*f(X(i-1))/f1(X(i-1));
if abs(f(X(i))) <1e-6 %牛顿法流程
result=X(i);
return;
end
if abs(f(X(i)))<abs(f(X(i-1))) %下山因子满足条件
r=1;
else %下山因子不满足条件,减半
r=r/2;
end
if i>n
result=X(i);
return;
end
i=i+1;
end
end