斐波那契（Fibonacci）迭代法求解函数极值（附代码）

最新推荐文章于 2021-05-20 16:09:55 发布

hser-chen

最新推荐文章于 2021-05-20 16:09:55 发布

阅读量7.3k

点赞数 7

分类专栏：数值计算优化算法程序人生文章标签： Fibonacci 斐波那契迭代法函数极值求解

本文链接：https://blog.csdn.net/weixin_41788456/article/details/105221967

版权

数值计算同时被 3 个专栏收录

13 篇文章 3 订阅

订阅专栏

程序人生

12 篇文章 0 订阅

订阅专栏

优化算法

8 篇文章 3 订阅

订阅专栏

Fibonacci数列又称黄金分割数列、因数学家列昂纳多·斐波那契（Leonardoda Fibonacci）以兔子繁殖为例子而引入，故又称为“兔子数列”，Fibonacci迭代法可以求解函数零点、函数极值等，本文用c++语言实现Fibonacci迭代法求解函数极值。

Fibonacci数列：

$\left\{\begin{matrix} F_{0}=F{1}=1\\ F_{i+1}=F_{i-1}+F_{i},i=1,2,... \end{matrix}\right.$

迭代公式：

$\left\{\begin{matrix} \lambda _{k}=a_{k}+\frac{F_{n-k-1}}{F_{n-k+1}}(b_{k}-a_{k}),k=1,2,...,n-1\\ \mu _{k}=a_{k}+\frac{F_{n-k}}{F_{n-k+1}}(b_{k}-a_{k}),k=1,2,...,n-1 \end{matrix}\right.$

算法步骤：

step1.给定初始搜索区间 $[a_{1},b_{1}]$ 和允许误差 $\varepsilon$ ，辨别系数 $\delta> 0$ ，求解迭代次数n，使

$F_{n}\geqslant \frac{b_{1}-a_{1}}{\varepsilon }$

step2.计算初始值

$\left\{\begin{matrix} \lambda _{1}=a_{1}+\frac{F_{n-2}}{F_{n}}(b_{1}-a_{1})\\\mu _{1}=a_{1}+\frac{F_{n-1}}{F_{n}}(b _{1}-a_{1})\\f_{\lambda }=f(\lambda _{1})\\f_{\mu }=f(\mu _{1}) \end{matrix}\right.$

step3.开始循环k=k+1，转step4，若k>=n-2则退出循环，转step7.

step4 判断 $f_{\lambda }<f_{\mu }?$ ，是转step5,否转step6；

step5.令

$a_{k+1}=a_{k},b_{k+1}=\mu _{k},\mu _{k+1}=\lambda _{k},f_{\mu }=f_{\lambda }$

$\lambda _{k+1}=a_{k+1}+\frac{F_{n-k-2}}{F_{n-k}}(b_{k+1}-a_{k+1})$

$f_{\lambda }=f(\lambda _{k +1})$

step6.令

$a_{k+1}=\lambda _{k},b_{k+1}=b _{k},\lambda _{k+1}=\mu _{k},f_{\lambda }=f_{\mu }$

$\mu _{k+1}=a_{k+1}+\frac{F_{n-k-1}}{F_{n-k}}(b_{k+1}-a_{k+1})$

$f_{\mu }=f(\mu _{k +1})$

step7.令

$\lambda _{n}=\lambda _{n-1}$ ， $\mu _{n}=\lambda _{n-1}+\delta$

判断 $f_{\lambda_{n} }<f_{\mu_{n} }?$ ，是，极小点所在的区间为 $[a _{n-1},\mu _{n}]$ ；否，极小点所在的区间为 $[\lambda _{n},b _{n-1}]$

极值点为：

$f_{min}=(f_a_{n} +f_b_{n})/2$

例题

求解函数 $f(x)=x^{2}-x+2$ 在区间[-1,3]上的极小点，要求求解的区间不大于原始区间长度的0.0008倍。

程序求解结果如图：

C++代码：

#include <iostream>
#include <vector>
#include <iomanip> 
using namespace std;
double fx(double x)
{
	double fx;
	fx = pow(x, 2) - x + 2;
	return fx;
}
int main()
{
	double epsilon = 0.08, f_min;
	vector<double>fn(2);
	fn[0] = 1; fn[1] = 1;
	int i;
	double a_fib = -1.0, b_fib = 3.0, f_lambda = 0, f_mu = 0;
	for (i = 2; fn[i - 1] < 1.0 / epsilon; i++)
	{
		fn.push_back(fn[i - 2] + fn[i - 1]);
	}
	int n_fib = i - 1;
	cout <<"n取值：    "<< n_fib <<endl << endl;
	double lambda = a_fib + (fn[n_fib - 2] / fn[n_fib])*(b_fib - a_fib), mu = a_fib + (fn[n_fib -1] / fn[n_fib])*(b_fib - a_fib);
	f_lambda = fx(lambda);
	f_mu = fx(mu);
	cout << "区间迭代：  " <<  endl;
	for (int i = 0; i < n_fib-2; i++)
	{
		if ( f_lambda<f_mu)
		{
			a_fib = a_fib, b_fib = mu, mu = lambda, f_mu = f_lambda;
			lambda = a_fib + (fn[n_fib - i - 3] / fn[n_fib-1 - i])*(b_fib - a_fib);
			f_lambda = fx(lambda);
		}
		else
		{
			a_fib = lambda, b_fib = b_fib, lambda = mu, f_lambda = f_mu;
			mu = a_fib + (fn[n_fib - i - 2] / fn[n_fib -1-i])*(b_fib - a_fib);
			f_mu = fx(mu);
		}
		cout << fixed << setw(12) << setprecision(5) << a_fib << fixed << setw(12) << setprecision(5) << lambda << fixed << setw(12) << setprecision(5) << mu << fixed << setw(12) << setprecision(5) << b_fib << endl;
	}
	mu = lambda + 0.001;
	f_mu = fx(mu);
	if (f_lambda < f_mu)
	{
		a_fib = a_fib, b_fib = mu,f_min=0.5*(fx(a_fib)+fx(b_fib));
	}
	else 
	{
		a_fib = lambda, b_fib = b_fib, f_min = 0.5*(fx(a_fib) + fx(b_fib));

	}
	cout << endl << "极小值区间：" << fixed << setw(9) << setprecision(5) << a_fib << fixed << setw(12) << setprecision(5) << b_fib << endl;
	cout << "极小值：  " << fixed << setw(12) << setprecision(5) << f_min << endl;
}