【智能优化算法】黄金分割算法原理、实现及函数极小值求解实例-Matlab源程序

🎓 作者简介：博士研究生
🔬 工作室呀：超级学长_实验室（提供各种程序开发、实验指导）
💌 个人邮箱：easy_optics@126.com
💬 个人微信：easy_optics
🐧 个人企鹅：754357517

摘要

本博文深入阐述了黄金分割算法的基本原理，详细列出了其实施步骤，并附上了完整的MATLAB源代码。此外，还通过一个具体的函数极小值求解实例，展示了黄金分割算法的实际应用。

一、 算法原理

黄金分割法也叫0.618法，它是一种基于区间收缩的极小点搜索算法，当用进退法确定搜索区间后，我们只知道极小点包含于搜索区间内，但是具体是哪个点，无法得知。

黄金分割法的思想很直接，既然极小点包含于搜索区间内，那么可以不断的缩小搜索区间，就可以使搜索区间的端点逼近到极小点。

如图1所示，[a,b]为搜索区间，黄金分割法首先根据黄金比例产生两个内点$x_1,x_2$。

$$\begin{gathered} x_1=\mathrm{a}+0.382^{\ast }(\mathrm{b}-\mathrm{a}) \\ {x}_2=\mathrm{a}+0.618^{\ast }(\mathrm{b}-\mathrm{a}) \end{gathered}$$

然后根据$f(x_1)，f(x_2)$的大小关系来重新选择搜索区间。

1. 若$f(x_1)<f(x_2)$,则搜索区间变为$[x_1,b];$
2. 若$f(x_1)>f(x_2)$,则搜索区间变为$[\mathbf{a},x_2]$。

图1 黄金分割法的内点选择示意图

二、黄金分割算法步骤

用黄金分割法求无约束问题$\min f(x),x\in \mathbb{R}$的基本算法步骤如下：

① 选定初始区间$[a_1,b_1]$及精度 $\epsilon >0$，计算试探点：

$\begin{array}{rl}& {\lambda }_1={\mathrm{a}}_1+0.382^{\ast }({\mathrm{b}}_1-{\mathrm{a}}_1)\\ & {\mu }_1={\mathrm{a}}_1+0.618^{\ast }({\mathrm{b}}_1-{\mathrm{a}}_1)\end{array}$，并 令 $k=1$ ；

② 若$b_k-a_k<\epsilon$，则停止计算。

否则，当 $f({\lambda }_k)>f({\mu }_k)$ 时转③；

当 $f({\lambda }_k)⩽f({\mu }_k)$ 时转④：

③ 置

$\begin{array}{rl}& \\ & \{\begin{array}{l}{a}_{k+1}={\lambda }_k\\ b_{k+1}=b_k\\ {\lambda }_{k+1}={\mu }_k\\ {\mu }_{k+1}=a_{k+1}+0.618^{\ast }(b_{k+1}-a_{k+i})\end{array}\end{array}$，转⑤；

④ 置
$\begin{array}{rl}& \\ & \{\begin{array}{l}{a}_{k+1}=a_k\\ b_{k+1}={\mu }_k\\ {\mu }_{k+1}={\lambda }_k\\ {\lambda }_{k+1}=a_{k+1}+0.382^{\ast }(b_{k+1}-a_{k+1})\end{array}，\end{array}$转⑤；

⑤ 令$k=k+1$，转②。

三、黄金分割法Matlab程序

黄金分割法的Matlab程序代码如下所示：

function [x,minf] = minHJ(f,a,b,eps)


% 目标函数：f;
% 极值区间左端点：a;
% 极值区间右端点：b;
% 精度：eps;
% 目标函数取最小值时的自变量值：x;
% 目标函数的最小值：minf

format long;
if nargin == 3
    eps = 1.0e-6;
end

l = a + 0.382*(b-a);
u = a + 0.618*(b-a);
k=1;
tol = b-a;

while tol>eps && k<100000
    fl = subs(f , symvar(f), l);
    fu = subs(f , symvar(f), u);
    if fl > fu
        a = l;
        l = u;
        u = a + 0.618*(b - a);
    else
        b = u;
        u = l;
        l = a + 0.382*(b-a);
    end
    k = k+1;
    tol = abs(b - a);
end
if k == 100000
    disp('找不到最小值！');
    x = NaN;
    minf = NaN;
    return;
end
x = (a+b)/2;
minf = subs(f, symvar(f),x);
format short;

四、黄金分割法求解函数极值实例演示

用黄金分割法求下面函数的最小值：

$f(t)=(t^2-1{)}^2+(t-1{)}^2+3=t^4-t^2-2t+5$,其中$t\in [-10,10]$

在matlab命令窗口中输入：

syms t
f=t^4-t^2-2*t+5
[x,fx]=minHJ(f,-10,10)

所得结果为：

x =

    1.0000

 
fx =
 
18831305206737427346706372180303789976284356552717013960977/6277101735386680763835789423207666416102355444464034512896
 

其中，fx以分数形式进行显示，进一步计算得到

>> 18831305206737427346706372180303789976284356552717013960977/6277101735386680763835789423207666416102355444464034512896
 

ans =

    3.0000

从目标函数的表达式可以明显看出$t=1$是极小点，黄金分割法求出的结果是正确的。目标函数是单极值点函数，因此极值点(1,3)也是其最小点，其曲线图如图2 所示。

图2 该函数曲线图

绘制上述曲线图的Matlab代码如下：

	% 定义符号变量 t
	syms t
	% 定义函数 f(t)
	f = t^4 - t^2 - 2*t + 5;

	% 定义 t 的取值范围，例如从 -3 到 3，步长为 0.01
	t_vals = -3:0.01:3;

	% 计算 f(t) 在这些 t 值上的取值

	f_vals = double(subs(f, t, t_vals));
	% 绘制曲线
	figure;

	plot(t_vals, f_vals, 'LineWidth', 2);
	xlabel('t');
	ylabel('f(t)');
    % 设置 y 轴的区间，例如从 0 到 100
    ylim([2.5 6]);
	title('Plot of f(t) = t^4 - t^2 - 2t + 5');
	grid on;

五、总结

---

博主简介：擅长智能优化算法、信号处理、图像处理、机器视觉、深度学习、神经网络等领域Matlab仿真以及实验数据分析等，matlab代码问题、商业合作、课题选题与指导等均可私信交流。

---