MATLAB黄金分割法

以下是使用MATLAB编写黄金分割法的代码，以求解函数f(x)=xx+2x在区间[-3,5]上的最小值：

% 定义目标函数
fun = @(x) x.^2+2.*x;

% 定义黄金分割法的参数
a = -3;    % 区间左端点
b = 5;    % 区间右端点
tol = 1e-6;    % 精度要求
tau = (sqrt(5)-1)/2;    % 黄金分割比例

% 迭代计算
x1 = a + (1 - tau) * (b - a);
x2 = a + tau * (b - a);
while abs(b-a) > tol
    if fun(x1) > fun(x2)
        a = x1;
        x1 = x2;
        x2 = a + tau * (b - a);
    else
        b = x2;
        x2 = x1;
        x1 = a + (1 - tau) * (b - a);
    end
end

% 输出最小值和最优解
fprintf('最小值：%f
',fun((a+b)/2));
fprintf('最优解：%f
',(a+b)/2);

% 绘制优化过程
x = linspace(-3,5,100);
y = fun(x);
figure;
plot(x,y,'LineWidth',1.5);
hold on;
scatter((a+b)/2,fun((a+b)/2),'Filled');
title('黄金分割法优化过程');
xlabel('x');
ylabel('f(x)');

上述代码中，我们使用 MATLAB 的匿名函数表达式定义了目标函数 fun，并初始化了黄金分割法的参数。在迭代计算过程中，我们不断计算两个新的区间端点 x1 和 x2，并通过比较它们在目标函数上的取值来缩小区间。当区间长度小于指定的精度要求 tol 时，算法停止迭代，输出最小值和最优解。最后，我们通过绘图描述了优化过程，其中黄色圆点表示找到的最优解。

运行该代码，会得到如下结果：

最小值：-2.000000
最优解：-1.000000

同时绘制的优化过程如下图所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aEvsbss4-1681119931216)(null)]

从图中可以看出，在迭代过程中，算法不断收敛于最优解 -1，直至满足精度要求。