一维搜索优化方法----二次插值法

二次插值法的python实现

二次插值法的基本思想：用插值函数$p(x)$的极值点$x_p^{\ast }$作为单峰区间$[x_1,x_3]$中的一个新点，通过比较$f(x_p^{\ast })$与$f(x_2)$的大小，确定取舍区间，再反复插值，逐渐缩小区间逼近极值点。

例题

算法流程图

注：图片来源于《优化设计》- 杨挺

import sympy as sp
from sympy import *
# 构造函数表达式并绘图
def get_function_expression(show=True):
    x = sp.symbols('x')
    f = sp.E**(x+1)-5*(x+1)
    figure = plot(f,line_color='red',show=show)
    return x,f,figure
x,f,figure = get_function_expression()

def quadratic_interpolaion_method(f,x,a,b,epsilon):
    x1 = a
    x3 = b
    x2 = 0.5*(x1+x3)
    f1 = f.subs(x,x1)
    f2 = f.subs(x,x2)
    f3 = f.subs(x,x3)
    C1 = (f3-f1)/(x3-x1)
    C2 = ((f2-f1)/(x2-x1)-C1)/(x2-x3)

    if C2 == 0: # 说明三个插值节点在一条直线上,输出任意一点即可作为极值点
        x_min = x2
        f_min = f2
        return x_min,f_min
    else:
        x_min = 0.5*(x1+x3-C1/C2) # 极值点
        x4 = x_min
        if (x4-x1)*(x3-x4)>0: # 说明x4在x1和x3之间
            f4 = f.subs(x,x4)
            if abs(x4-x2) <= epsilon: # 说明极值点和插值点之间的距离满足精度要求,可以输出极值点
                if f4 < f2:
                    x_min = x4
                    f_min = f4
                    return x_min,f_min
                else:
                    x_min = x2
                    f_min = f2
                    return x_min,f_min
            else:# 当极值点和插值点之间的距离不满足精度要求时,需要继续迭代
                if x4 < x2: 
                    if f2 > f4: # 说明极值点在x1和x2之间
                        # 把x4作为新的插值点,继续迭代
                        x3 = x2
                        f3 = f2
                        x2 = x4
                        f2 = f4
                        # 递归调用
                        return quadratic_interpolaion_method(f,x,x1,x2,epsilon)
                    else: # 说明极值点在x4和x3之间
                        # 让然把x2作为插值点,继续迭代
                        x1 = x4
                        f1 = f4
                        return quadratic_interpolaion_method(f,x,x1,x3,epsilon)
                else: # 当x2<x4时,说明极值点在x2和x3之间
                    if f2 > f4:
                        x1 = x2
                        f1 = f2
                        x2 = x4
                        f2 = f4
                        return quadratic_interpolaion_method(f,x,x2,x3,epsilon)
                    else:
                        x3 = x4
                        f3 = f4
                        return quadratic_interpolaion_method(f,x,x1,x3,epsilon)
        else:
            x_min = x2
            f_min = f2
            return x_min,f_min

# 求解例题
x,f,_ = get_function_expression(show=False)
x_min,f_min = quadratic_interpolaion_method(f,x,a=-0.5,b=2.5,epsilon=0.005)

print('极值点为：',x_min)
print('极值点对应的函数值为：',f_min)

极值点为： -0.0589665341387181
极值点对应的函数值为： -2.14253889000847