话不多说,直接上干货。这是基于MATLAB的源代码,目标函数我选择了一个二维函数,根据自己需求,更改目标函数,初始迭代点以及收敛精度
第一部分:目标函数 根据自己需求,更改目标函数!!!
function y=ObjFun(x)
%目标函数 根据实际情况修改
%输入参数x[x1,x2,...,xn];
%输出参数y
%二维目标函数
y =60-10*x(1)-4*x(2)+x(1)*x(1)+x(2)*x(2)-x(1)*x(2);
end
第二部分:求解最优步长函数 不需要更改!!!
function a=OptStep(x,S)
%一维搜索,求最优步长
syms b %假设步长为b
x=x+b.*S;
y=ObjFun(x);
Y=diff(y); %求导,导数为0的点,即为所求最优步长
a=solve(Y==0);
a=double(a);
end
第三部分:主体程序,根据自己需求,更改函数中的初始迭代点,收敛精度,梯度,梯度的模以及里面的目标函数!!!
function [X,Y]=NewtonMethod
%修正牛顿法
% X 是最优解
% Y 是最优值
%% 第一步:给定初始迭代点x,收敛精度err,k=1
k=1;
x(:,k)=[0;0];
err=0.001;
syms x1 x2
f=60-10*x1-4*x2+x1*x1+x2*x2-x1*x2; %目标函数
%% 第二步:计算梯度和模并取搜索方向,海森矩阵以及逆矩阵
FG=gradient(f,[x1 x2]); %f的梯度
fg=sqrt(FG(1)^2+FG(2)^2); %梯度的模
Hess=hessian(f,[x1,x2]);
while(1)
%% 第三步:进行收敛判断
fgvalue=double(subs(fg,[x1,x2],x(:,k)')); %求解梯度的模
if fgvalue<=err
X=x(:,k);
Y=ObjFun(X);
break
else
%% 第四步求最优步长以及求新迭代点
HessValve=double(subs(Hess,[x1 x2],x(:,k)')); %求解x(:,k)处的海森矩阵
FGvalue=double(subs(FG,[x1,x2],x(:,k)')); %求解x(:,k)处的梯度
S=-(inv(HessValve))* FGvalue;
a=OptStep(x(:,k),S);
x(:,k+1)=x(:,k)+a.*S;
k=k+1;
end
end
end
ok,直接在命令窗口上运行 [X,Y]=NewtonMethod 就ok啦,看我不上传到资源上,索要积分,直接公开代码,点个赞,给个评论呗。