MATLAB演示梯度上升寻找极值

最新推荐文章于 2024-10-24 20:37:00 发布

RedJACK~

最新推荐文章于 2024-10-24 20:37:00 发布

阅读量660

点赞数

分类专栏： MATLAB 文章标签： MATLAB 梯度上升法函数极值数值优化偏导数

本文链接：https://blog.csdn.net/qq_22328011/article/details/128507604

版权

MATLAB 专栏收录该内容

12 篇文章 2 订阅

订阅专栏

MATLAB演示梯度上升寻找极值

请添加图片描述

梯度

梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。对于二元函数 $f (x, y)$ 的梯度计算公式为：
$\operatorname{gradf}(\mathrm{x}, \mathrm{y})=\nabla f(x, y)=\left\{\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}\right\}=f_{x}(x, y) \bar{i}+f_{y}(x, y) \bar{j}$
利用梯度求解以下函数的最大值，同时用MATLAB画出迭代过程。
$y)=\left(x^{2}-2 x\right) \mathrm{e}^{-x^{2}-y^{2}-x y}$
利用梯度的话，我们需要先求偏导。可以手算，也可以用MATLAB的符号推导功能。
$\begin{align} z &= (x^{2}-2x)\cdot{\mathrm e}^{-x^{2}-y^{2}-xy} \\ \frac{\partial z}{\partial x} &= -2 (1+x^{3}+(\frac{y}{2}-2) x^{2}+(-y-1) x) {\mathrm e}^{-x^{2}-x y-y^{2}} \\ \frac{\partial z}{\partial y} &= -x(x+2 y)(x-2) {\mathrm e}^{-x^{2}-x y-y^{2}} \end{align}$

syms x y
z = (x^2-2*x)*exp(-x^2-y^2-x*y);
zx = simplify(diff(z,x));
zy = diff(z,y);

朝着梯度的方向函数值的上升最快。先设定一个初始值 $x_0 = 0,y_0 = 0$ 和步长 $a = 0.01$ 然后按照梯度的方向开始迭代上升。
$\begin{align} x_n = x_{n-1} + a\frac{\partial f}{\partial x_{n-1}} \\ y_n = y_{n-1} + a\frac{\partial f}{\partial y_{n-1}} \end{align}$
MATLAB代码

f = @(x,y) (x.^2 - 2.*x).*exp(-x.^2-y.^2-x.*y);							% 目标函数
fx = @(x,y) -2.*(1+x.^3+(0.5.*y-2).*x.^2-(y+1).*x).*exp(-x.^2-x.*y-y.^2);	% x偏导
fy = @(x,y) -x.*(x+2.*y).*(x-2).*exp(-x.^2-x.*y-y.^2);					  % y偏导

[x0,y0] = meshgrid(-3:.2:3,-3:.2:3);
z0 = f(x0,y0);
figure
surf(x0,y0,z0)
view(30,30)		% 调整视角
hold on

[x,y,a] = deal(0,0,0.01);
z = f(x,y);
[tx,ty,tz] = deal(x,y,z+0.03);	% 纪录过程
h = plot3(tx,ty,tz,'r*-');
set(gcf,'Position',[200 200 1000 800])

for i = 1:100
    x = x + a*fx(x,y);	% x变量梯度上升
    y = y + a*fy(x,y);	% y变量梯度上升
    z = f(x,y);
    if mod(i,5) == 0
        pause(1);
        [tx,ty,tz] = deal([tx x],[ty y],[tz z+0.03]);
        h.XData = tx;
        h.YData = ty;
        h.ZData = tz;
    end
end