本文探讨了Barzilar-Borwein算法在无约束优化中的应用，通过初始化输入数据和调整算法参数来优化函数f(x)的收敛性。在默认配置下遇到问题，提示罚因子项过小，需要增大约束因子以实现梯度下降。通过微调算法的默认参数和尝试新的步长搜索策略，以改善算法性能。
import optimtool as oo
from optimtool.base import np, sp, plt
pip install optimtool>=2.4.2
加载barzilar_borwein算法
import optimtool.unconstrain as ou
barzilar_borwein = ou.gradient_descent.barzilar_borwein
初始化输入数据
f ( x ) = ∑ i = 1 n / 2 c ( x 2 i − x 2 i − 1 2 ) 2 + ( 1 − x 2 i − 1 ) 2 , x 0 = [ − 1.2 , 1 , . . . , − 1.2 , 1 ] . c = 100 f(x)=\sum_{i=1}^{n/2}c(x_{2i}-x_{2i-1}^2)^2+(1-x_{2i-1})^2, x_0=[-1.2, 1, ...,-1.2, 1]. c=100 f(x)=i=1∑n/2
最低0.47元/天 解锁文章
355
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
