一.求解Ax=b
注意:
1.最基本的共轭梯度法(也可叫做线性共轭梯度法)只适用于求解二次凸函数的极小值问题;
2.本次例子使用的就是最基本的共轭梯度法,即搜索方向采用共轭方向,因为求解Ax=b问题等价于求解二次凸函数f(x)=1/2x’Ax-b’x;
3.该使用精确线搜索确定步长(可尝试使用非精确线搜索如Armijo,Goldstein,Wolfe,强Wolfe);
4.对于一般函数需要使用非线性共轭梯度法例如FR、PR+、HS、DY。
function FR_CG()
A = [10 1 2 3 4
1 9 -1 2 -3
2 -1 7 3 -5
3 2 3 12 -1
4 -3 -5 -1 15];
b=[12 -27 14 -17 12]';
x0=[0 0 0 0 0]';
max_iter=10000;
fprintf('\n');
fprintf('共轭梯度法:\n');
fprintf('==========================\n');
[x,iter]=FR(A,b,x0,max_iter)
fprintf('共轭梯度法')
fprintf('迭代初始点\n')
fprintf(' %10.6f',x0);
fprintf('\n迭代次数:\n %d \n',iter)
fprintf('方程组的解: \n')
fprintf(' %10.6f',x);
end
function [x,iter]=CG(A,b,x0,max_iter)
x=x0;
r=A*x-b;
d=-r;
epsilon=1.0e-6;
for k=0:max_iter
alpha=(r'*r)/(d'*A*d);
x=x+alpha*d;
rr=r+alpha*A*d;
if norm(rr,2)<=epsilon
iter=k+1;
return%return iter,x
end
beta=(rr'*rr)/(r'*r);
d=-rr+beta*d;
r=rr;
end
iter=max_iter;
return
end
结果输出:
共轭梯度法迭代初始点
0.000000 0.000000 0.000000 0.000000 0.000000
迭代次数:
5
方程组的解:
1.000000 -2.000000 3.000000 -2.000000 1.000000>>
改进:
1.该方法是直接求解Ax=b
2.方法改进:1.求导 2.使用非精确线搜索确定步长(Armijo,Goldstein,Wolfe,强Wolfe)