最优化原理与方法实验.docVIP

实验一：一维搜索算法 学号：2010310200918 班级：信息1001 姓名：万琪 一、实验目的 对精确一维搜索的主要两种算法(试探法、插值法)思想有深刻的认识，能够通过程序实现，并比较不同算法的好坏。 二、实验内容 1.用0.618法求解一维问题： 在区间内的极小点计算4步。 实验步骤： 运行平台：Matlab R2009a 0.618法的算法流程： (1)设置初始搜索区间，精度要求，计算左试探点：，右试探点：， ，，其中。 (2) ,并计算：，； 否则： ,并计算：，. (3)如果，则： ， 否则：，停止计算. 否则返回步骤(2). (4)输出极小值点(). 实验程序： (程序见附件一) 实验结果： 迭代次数 1 1.0000 2.0000 1.3820 1.6180 -2.9271 -3.0470 1.0000 2 1.3820 2.0000 1.6180 1.7639 -3.0470 -2.9843 0.6180 3 1.3820 1.7639 1.5279 1.6180 -3.0310 -3.0470 0.3820 4 1.5279 1.7639 1.6180 1.6738 -3.0470 -3.0366 0.2361 极小点为：(1.6180 , -3.0470) 2.用三点二次插值法求解一维问题 取初始点=0，=1，=3，。 实验步骤： 运行平台：Matlab R2009a 三点二次插值法的算法流程： (1)取初始点，计算，，，并且满足，设置精度。 (2)计算 如果=0，则置，停止计算。 (3)计算 如果，则置，停止计算。 (4)计算.如果，停止计算. (5)如果，则： 如果，则置 否则，置. 否则： 如果，则置 否则，置. (6)转向步骤(2). (7)输出极小点(). 实验程序： (程序见附件二) 实验结果： 迭代次数 U1 U2 U3 F1 F2 F3 U F 1 0 1.0000 3.0000 1.0000 0 22.0000 0.6250 -0.0059 0.3750 2 0 0.6250 1.0000 1.0000 -0.0059 0 0.8077 -0.0885 0.1827 3 0.6250 0.8077 1.0000 -0.0059 -0.0885 0 0.8093 -0.0885 0.0016 极小点为：(0.8093 , -0.0885) 三、算法比较： 用两种方法求上面的问题2，设置精度，得到实验结果为： 算法 极小点 迭代次数 0.618法 1.0000 0.0000 20 三点二次插值法 0.8165 -0.0887 6 可以看出用插值法计算迭代次数远小于0.618法，但是0.618法逼近极小点的效果更好。 四、实验心得 对于精确一维搜索的两种算法思想，0.618法每次迭代计算只用计算一次函数值，通过取试探点的函数值进行比较，不断缩小搜索范围，最终可以得到精确的极小点；三点二次插值法通过每次取得的三个点构造插值多项式，取其极小值来逼近原函数的极小点，效率更高。通过比较发现，要达到预期的精度，插值法比试探法的迭代次数少很多。 五、附件 附件一： 0.618法的Matlab程序： function main() clc,clear a=1;%区间上界 b=2;%区间下界 u=a;%最优解 e=1e-1;%设置精度要求 tao=(sqrt(5)-1)/2; al=a+(1-tao)*(b-a);ar=a+tao*(b-a); fl=fun(al);fr=fun(ar); N=0; while abs(b-a)e [a,b,al,ar,fl,fr,abs(b-a)] if flfr b=ar;ar=al; fr=fl; al=a+(1-tao)*(b-a);fl=fun(al); else a=al;al=ar; fl=fr; ar=a+tao*(b-a);fr=fun(ar); end if flfr u=al; else u=ar; end N=N+1; end [a,b,al,ar,fl,fr,abs(b-a)] N disp(----------最优解---------); disp( u f(u) ); disp([u,fun(u)]); end %% function f=fun(x) f=x^3-2*x+1; end 附件二： 三点二次插值法的Matlab程序： function main() clc,clear u1=0;u2=1;u3=3; f1=f