快速下降法python实现（含误差与迭代次数画图功能）

最新推荐文章于 2023-03-20 16:01:54 发布

炖鹅小铁锅

最新推荐文章于 2023-03-20 16:01:54 发布

阅读量941

点赞数 1

分类专栏：学习笔记文章标签： python 线性代数算法

本文链接：https://blog.csdn.net/qq_41821608/article/details/120844111

版权

本文介绍了如何在Python中实现快速下降法，并对比了与共轭下降法的性能。通过修改上一帖的代码，去除了beta计算和修改了迭代更新公式。实验结果显示，当矩阵大小为50且误差阈值为10e-8时，快速下降法迭代近8000次，而共轭梯度法仅需25次，表明共轭梯度法效率更高。由于时间限制，未进行更多数据的画图比较。

摘要由CSDN通过智能技术生成

同样接之前共轭下降法的帖子，题目要求是两种方法做对比，我上次忘写了。
是在上一篇代码的基础上改的，改的地方不大，就是去掉beta的计算，以及
d=ri 不需要d=ri + beta*di

最后画了误差（范数对10取对数）和计算次数的关系图。

import numpy as np
import math
from math import log
import matplotlib.pyplot as plt

def generate_matrix(n):
    # 使用对角矩阵相加得到三对角矩阵A
    array_a = np.diag([-2] * n)
    array = np.diag([1] * (n-1))
    a = np.zeros((n-1))
    b = np.zeros(n)
    array_b = np.insert(array, 0, values=a, axis=0)# 添加行
    array_b = np.insert(array_b, (n-1), values=b, axis=1)# 添加列
    array_c = np.insert(array, (n-1), values=a, axis=0)
    array_c = np.insert(array_c