最优化备忘录(拟牛顿法,matlab)
建立bfgs.m文件
function[x,val,k]=bfgs(fun,gfun,x0,varargin)
%功能:用BFGS算法求解无约束问题:min f(x)
%输入:x0是初始点,fun,gfun分别是目标函数及其梯度;
%varargin是输入的可变参数变量,简单调用bfgs时可以忽略它
%但若其他程序循环调用该程序时发挥重要的作用
%输出:x,val分别是近似最优点和最优值,是迭代次数
maxk=500;%给出最大迭代次数
rho=0.55;sigma=0.4;epsilon=1e-5;
k=0; n=length(x0);
Bk=eye(n);%Bk=feval(‘Hess’,x0)
while(k<maxk)
gk=feval(gfun,x0,varargin{:});%计算梯度
if(norm(gk)<epsilon),break;end%检验终止准则
dk=-Bk\gk;%解方程组,计算搜索方向
m=0;mk=0;
while(m<20)%用Armijo搜索求步长
newf=feval(fun,x0+rho^mdk,varargin{:});
oldf=feval(fun,x0,varargin{:});
if(newf<oldf+sigmarho^mgk’dk)
mk=m;break;
end
m=m+1;
end
%BFGS校正
x=x0+rho^mkdk;
sk=x-x0;yk=feval(gfun,x,varargin{:})-gk;
if(yk’sk>0)
Bk=Bk-(Bksksk’Bk)/(sk’Bksk)+(ykyk’)/(yk’*sk);
end
k=k+1; x0=x;
end
val=feval(fun,x0,varargin{:});
最优化拟牛顿法matlab
最新推荐文章于 2023-12-19 22:06:52 发布