提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
1.代码
代码如下(示例):
https://blog.csdn.net/qq_39422642/article/details/78876143
# 创作者:眰恦
# 地 点:桂林
# 时 间:2021/10/31 21:58
import numpy as np
# 函数表达式
fun = lambda x:100*(x[0]**2 - x[1])**2 +(x[0] - 1)**2
# 梯度函数
gfun = lambda x:np.array([400*x[0]*(x[0]**2-x[1])+2*(x[0]-1),-200*(x[0]**2-x[1])])
# Hessian矩阵
hess = lambda x:np.array([[1200*x[0]**2-400*x[1]+2,-400*x[0]],[-400*x[0],200]])
'''
功能:用DFP算法求解无约束问题
输入:x0为初始点、
输出:x,val分别是最优点,最优解,k是迭代次数
'''
def nwton(fun,gfun,hess,x0):
maxk = 1e5
rho = 0.05 # [0,1]
sigma = 0.4 # [0,0.5]
epsilon = 1e-5 # 迭代停止条件
k = 0
n = np.shape(x0)[0]
# print(n)
# Hk = np.linalg.inv(hess(x0)) # 将hess矩阵初始化为单位矩阵
Hk = np.eye(2)
while k < maxk:
gk = gfun(x0)
if np.linalg.norm(gk) < epsilon:
break
dk = -1.0*np.dot(Hk,gk)
m = 0
mk = 0
while m < 20:
if fun(x0+rho**m*dk) <= fun(x0) + sigma*rho**m*np.dot(gk,dk):
mk = m
break
m += 1
# DFP校正
x = x0+rho**mk*dk
print("第"+str(k)+"次迭代结果为:"+str(x))
sk = x-x0
yk = gfun(x)-gk
if np.dot(sk,yk) > 0:
Hy = np.dot(Hk,yk)
sy = np.dot(sk,yk)
yHy = np.dot(np.dot(yk,Hk),yk)
Hk = Hk-1.0*Hy.reshape((n,1))*Hy/yHy+1.0*sk.reshape((n,1))*sk/sy
# print(Hy.reshape((n,1)))
k += 1
x0 = x
return x0,fun(x0),k
x0,fun0,k=nwton(fun,gfun,hess,np.array([0,0]))
print(x0,fun0,k)
2.更新
代码如下(示例):
总结
> 初始对称正定矩阵取单位矩阵
> Hk = np.eye(2)
> 第59次迭代结果为:[0.99279292 0.98550795]
> 第60次迭代结果为:[0.99893754 0.99786139]
> 第61次迭代结果为:[0.99997475 0.99994266]
> 第62次迭代结果为:[0.99999988 0.99999889]
> 第63次迭代结果为:[1.00000006 1.00000012]
[1.00000006 1.00000012] 4.698292481029117e-15 64
> 初始对称正定矩阵取Hesse的逆矩阵
> Hk = np.linalg.inv(hess(x0))
> 第59次迭代结果为:[0.98564979 0.9713031 ]
> 第60次迭代结果为:[0.99800673 0.99583304]
> 第61次迭代结果为:[0.99970966 0.99937232]
> 第62次迭代结果为:[0.99997932 0.99995891]
> 第63次迭代结果为:[1.0000007 1.00000134]
> 第64次迭代结果为:[1. 1.]
[1. 1.] 4.699709099980616e-18 65