共轭梯度法c++程序.docVIP

最优化课程设计 题目：共轭梯度法共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。 设我们要求解下列线性系统 其中n-×-n矩阵A是对称的（也即，AT = A），正定的（也即，xTAx 0对于所有非0向量x属于Rn），并且是实系数的。 将系统的唯一解记作x*。 最后算法 经过一些简化，可以得到下列求解Ax = b的算法，其中A是实对称正定矩阵。 x0 := 0 k := 0 r0 := b repeat until rk is sufficiently small: k := k + 1 if k = 1 p1 := r0 else end if xk := xk-1 + αk pk rk := rk-1 - αk A pk end repeat 结果为xk 共轭梯度法程序源代码 #includestdio.h#includemath.h#define N 10#define eps pow(10,-6) double f(double x[],double p[],double t){double s;s=pow(x[0]+t*p[0],2)+25*pow(x[1]+t*p[1],2);return s;} /*以下是进退法搜索区间源程序*/void sb(double *a,double *b,double x[],double p[]){double t0,t1,t,h,alpha,f0,f1;int k=0;t0=2.5;????? /*初始值*/h=1;??????? /*初始步长*/alpha=2;?? /*加步系数*/f0=f(x,p,t0);t1=t0+h;f1=f(x,p,t1);while(1){?? if(f1f0)?? {??? h=alpha*h; t=t0;??? t0=t1;?? f0=f1;??? k++;?? }?? else?? {??? if(k==0)??? {h=-h;t=t1;}??? else??? {??????? *a=tt1?t:t1;???? *b=tt1?t:t1;???? break;??? }?? }?? t1=t0+h;?? f1=f(x,p,t1);}}/*以下是黄金分割法程序源代码*/double hjfg(double x[],double p[]){double beta,t1,t2,t;double f1,f2;double a=0,b=0;double *c,*d;c=a,d=b;sb(c,d,x,p);/*调用进退法搜索区间*/printf(\nx1=%f,x2=%f,p1=%f,p2=%f,x[0],x[1],p[0],p[1]);printf(\n[a,b]=[%f,%f],a,b);beta=(sqrt(5)-1.0)/2;t2=a+beta*(b-a); f2=f(x,p,t2);t1=a+b-t2;????? f1=f(x,p,t1);while(1){?? if(fabs(t1-t2)0)?? break;?? else??? {??? if(f1f2)??? {???? t=(t1+t2)/2;???? b=t2;???? t2=t1;?????? f2=f1;???? t1=a+b-t2;???????????? f1=f(x,p,t1);???? }????? else????? {????? a=t1;???? t1=t2;?????? f1=f2;?????? t2=a+beta*(b-a);?????? f2=f(x,p,t2);????? }?? }}t=(t1+t2)/2;return t;}/*以下是共轭梯度法程序源代码*/void gtd(){double x[N],g[N],p[N],t=0,f0,mod1=0,mod2=0,nanda=0;int i,k,n;printf(请输入函数的元数值n=2);scanf(%d,n);printf(\n请输入初始值:2,2);for(i=0;in;i++)scanf(%lf,x[i]);f0=f(x,g,t);g[0]=2*