MATLB机械优化设计程序.doc

例2-1求 在点和点的梯度。 %例2-1梯度的计算 syms x1 x2 %定义符号变量 f=x1^2+x2^2-4*x1+4; %定义二维目标函数 gradf=jacobian(f) %计算函数梯度 Xzuobiao1=[3,2];Xzuobiao2=[2,0]; %定义Xzuobiao点坐标 gfk1=subs(subs(gradf,Xzuobiao1(1)),Xzuobiao1(2)) %计算Xzuobiao1点的梯度值 gmk1=norm(gfk1) %计算Xzuobiao1点的梯度模 igk1=gfk1/gmk1 %计算Xzuobiao1点的梯度单位向量 gfk2=subs(subs(gradf,Xzuobiao2(1)),Xzuobiao2(2)) %计算Xzuobiao1点的梯度值 gmk2=norm(gfk2) %计算Xzuobiao1点的梯度模 igk2=gfk2/gmk2 %计算Xzuobiao1点的梯度单位向量 gradf = [ 2*x1-4, 2*x2] gfk1 = 2 4 gmk1 = 4.4721 igk1 = 0.4472 0.8944 gfk2 = 0 0 gmk2 = 0 Warning: Divide by zero. igk2 = NaN NaN 例2-2把函数在点展开泰勒二次近似式 %例2-2 Taylor展开 syms x1 x2 f=4+4.5*x1-4*x2+x1^2+2*x2^2-2*x1*x2+x1^4-2*x1^2*x2 disp(函数f的表达式:) pretty(simplify(f)); %计算函数的一阶偏导数 dx1=diff(f,x1); dx2=diff(f,x2); disp(函数f的一阶偏导数表达式:) pretty(simplify(dx1)); pretty(simplify(dx2)); %计算函数的二阶偏导数 dx1x1=diff(f,x1,2); dx1x2=diff(dx1,x2); dx2x1=diff(dx2,x1); dx2x2=diff(f,x2,2); %根据函数f的二阶偏导数，构成Hessian矩阵 disp(函数f的二阶偏导数表达式：) pretty(simplify(dx1)); H=[dx1x1 dx1x2;dx2x1 dx2x2]; pretty(simplify(H)); %计算xk点的值 x1=2.0; x2=2.5; disp(函数在xk点的函数值:) fk=subs(f) disp(函数在xk点的一节偏导数矩阵:) dk=subs([dx1 dx2]) disp(函数xk点的海色矩阵:) HK=subs([dx1x1 dx1x2;dx2x1 dx2x2]) disp(函数在xk点的二阶Taylor展开式:) syms x1 x2 fkTL=fk+dk*[x1-2.0;x2-2.5]+0.5*[x1-2.0,x2-2.5]*HK*[x1-2.0;x2-2.5]; pretty(simplify(fkTL)); f = 4+9/2*x1-4*x2+x1^2+2*x2^2-2*x1*x2+x1^4-2*x1^2*x2 函数f的表达式: 2 2 4 2 4 + 9/2 x1 - 4 x2 + x1 + 2 x2 - 2 x1 x2 + x1 - 2 x1 x2 函数f的一阶偏导数表达式: 3 9/2 + 2 x1 - 2 x2 + 4 x1 - 4 x1 x2 2 -4 + 4 x2 - 2 x1 - 2 x1 函数f的二阶偏导数表达式：