DFP 三维Python实现

最新推荐文章于 2023-03-31 10:41:35 发布

我医上

最新推荐文章于 2023-03-31 10:41:35 发布

阅读量319

点赞数

文章标签： python

本文链接：https://blog.csdn.net/woyouyibao/article/details/111035818

版权

本文介绍了使用Python实现DFP（Davidon-Fletcher-Powell）方法进行求解函数的代码和示例，展示了从不同起点开始的函数图像，同时探讨了DFP方法在某些特定函数上可能存在的局限性及作者的思考。

摘要由CSDN通过智能技术生成

代码与图片，个人水平有限比较繁琐
求解函数
在这里插入图片描述

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pyplot as plt
import matplotlib as mpl
from numpy import *
from sympy import symbols, diff
import numpy as np
np.seterr(divide='ignore', invalid='ignore')

'''
作业涉及到高阶函数，与二阶函数有所不同
'''
x_1 = [-0.8, 1.4]

x1, x2 = symbols('x1, x2')
# 函数
f = x1**4/4 + x2**2/2 - x1*x2 + x1 - x2
print("第0次迭代结果为\nf={}\n".format(f.subs({
   x1: x_1[0], x2: x_1[1]})))

df = []
k1 = []
k2 = []
k3 = []
k4 = []

F = []

# 将偏导放入矩阵中
df = [diff(f, x1), diff(f, x2)]
print('df=', df)

for i in range(0, 2):
    k1.append(diff(df[i], x1))
    k2.append(diff(df[i], x2))


F.append(k1)
F.append(k2)

print('F=', F)


F_X0 = []
for i in range(0, len(F