dfp方法例题_最优化之DFP算法考试题

本文通过一个具体的例子介绍了DFP(Davidon-Fletcher-Powell)算法,用于解决无约束优化问题。提供的代码展示了DFP算法的实现过程,包括目标函数、梯度函数和Hessian矩阵的计算,以及Armijo回溯搜索法确定步长。通过迭代更新,最终找到近似最优解。
摘要由CSDN通过智能技术生成

最优化之

DFP

算法考试题

代码:

Dfp.m

文件

function [x,val,k]=dfp(fun,gfun,x0)

%

功能

:

DFP

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

%

输出

:

x, val

分别是近似最优点和最优值

,

k

是迭代次数

maxk=1e5; %

给出最大迭代次数

rho=0.55;sigma=0.4; epsilon=1e-5;

k=0;

n=length(x0);

Hk=inv(feval('He',x0)); %Hk=eye(n);

while(k

gk=feval(gfun,x0); %

计算梯度

if(norm(gk)

检验终止准则

dk=-Hk*gk; %

解方程组

,

计算搜索方向

m=0; mk=0;

while(m<20) %

Armijo

搜索求步长

if(feval(fun,x0+rho^m*dk)

mk=m; break;

end

m=m+1;

end

%

DFP

校正

x=x0+rho^mk*dk;

sk=x-x0; yk=feval(gfun,x)-gk;

if(sk'*yk>0)

Hk=Hk-(Hk*yk*yk'*Hk)/(yk'*Hk*yk)+(sk*sk')/(sk'*yk);

end

k=k+1; x0=x;

end

val=feval(fun,x0);

fun.m

文件

(

此处为目标函数,因题而异

)

function f=fun(x)

f=100*(x(1)^2-x(2))^2+(x(1)-1)^2;

gfun.m

文件(目标函数的梯度)

function gf=gfun(x)

gf=[400*x(1)*(x(1)^2-x(2))+2*(x(1)-1), -200*(x(1)^2-x(2))]';

He.m

文件(

Hesse

阵)

function He=He(x)

He=[1200*x(1)^2-400*x(2)+2, -400*x(1); -400*x(1), 200];

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值