直接法
优点
可以不用计算梯度,直接得到最优值。
1坐标轮换法
思想:n维坐标系的坐标方向即为下一次迭代的方向。
例如:二维f(x,y) = x+y;搜索方向为p0(1,0);p1(0,1);
流程如下:
收敛的方向不一定是下降方向,收敛速度可能也比较慢,和最速下降法一样,出现锯齿状、
讲完原理,咱们自然而然(naturally)的就要讲简单的例题来进行应用了
说完例题咱们说说什么样的题适合他,正所谓美女配枭雄。
坐标轮换法正如枭雄一样,适合沉鱼落雁,变量较少,函数较好的题目。但是如果不够美的花,枭雄自然不喜欢,所以收敛的就会比较慢,甚至出现上文所说的锯齿状。
2模式搜索法
为了让枭雄不要太挑,对付对付就过了这一辈子。所以研究出 模式搜索法(坐标轮换法上进行改变)。
流程图
就是在最后多进行一个条件筛选。dk=(xn-x0);
不会做的话可以找作者要完整正确详解的答案。
3单纯形法
单纯形:单纯形就是n维坐标中的n+1点;(x0,x1,x2,xn)
为什么是n+1个点?
笔者认为这样才能构成多面体。
xn-x0,xn-x1,xn-xn-1;线性无关
则称x0…xn为顶点构成的多面体为n维单纯形。
例如二维坐标系x0,x1,x2;
如果只有两个点怎么组成面呢。
基本思想
是不是太复杂了,不急,下面慢慢来。
介绍几个定义:
最好点,是指所有点中函数值最小的点
最坏点,是指所有点中函数值最大的点(谁不喜欢大的坏男人呢)
次坏点,指除去最坏的 之外最坏的。(没人会记得第二!大家要做第一)
计算n+1个点中去掉最坏点的形心
终止条件:
流程图
例题:
后面需要更改,不过题目是能做出来的。
4powell方向加速法(不用计算偏导的共轭方向法)
有一个硬性要求。
方向p必须是线性无关的
就不多说什么原理之类令人头大的了。直接上流程图。
and 例题
终止条件可以根据需求进行更改,例如这个题中就没有使用精度,而是使用的是导数为0.要灵活。