原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
结构优化设计基础上机报告
力学（硕）11 杨彦 2111702020
第一次上机实验：
min f(x)=(x12+x2-11)2+( x1+x22-7)2
三个不同的初值分别为 x0=[1,1]T, x0=[0,1]T, x0=[1,0]T
Matlab程序如下：
f=(x(1)^2+x(2)-11)^2+(x(1)+x(2)^2-7)^2;
x0=[1 1];
%bfgs法
options1=optimset(HessUpdate,bfgs,LineSearchType,quadcubic);
[x,fval,exitflag,output]=fminunc(f,x0 ,options1)
%dfp法
options2=optimset(HessUpdate,dfp,LineSearchType,quadcubic);
[x,fval,exitflag,output]=fminunc(f, x0,options2)
%最速下降法
options3=optimset(HessUpdate,steepdesc);
[x,fval,exitflag,output]=fminunc(f, x0,options3)
%单纯形法
[x,fval,exitflag,output]=fminsearch(f, [1 1])
运行结果：
bfgs法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [3.0000,2.0000] 是 7 30 x0=[0,1]T [3.0000,2.0000] 是 10 42 x0=[1,0]T [3.0000,2.0000] 是 8 39 dfp法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [3.0000,2.0000] 是 8 33 x0=[0,1]T [3.0000,2.0000] 是 11 54 x0=[1,0]T [3.0000,2.0000] 是 8 39 最速下降法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [3.0000,2.0000] 是 12 111 x0=[0,1]T [3.5844,-1.8481] 否 15 147 x0=[1,0]T [3.0000,2.0000] 是 17 165 单纯形法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [3.0000,2.0000] 是 45 89 x0=[0,1]T [-2.8051,3.1313] 否 82 157 x0=[1,0]T [3.5845,-1.8482] 否 80 152 min f(x)= (x12+12x2-1)2+(49x1+49x2+84x1+2324x2-681)2
三个不同的初值分别为 x0=[1,1]T, x0=[0,1]T, x0=[1,0]T
Matlab程序如下：
f=(x(1)^2+12*x(2)-1)^2+(49*x(1)+49*x(2)+84*x(1)+2324*x(2)-681);
x0=[1 1];
%bfgs法
options1=optimset(HessUpdate,bfgs,LineSearchType,quadcubic);
[x,fval,exitflag,output]=fminunc(f,x0 ,options1)
%dfp法
options2=optimset(HessUpdate,dfp,LineSearchType,quadcubic);
[x,fval,exitflag,output]=fminunc(f, x0,options2)
%最速下降法
options3=optimset(HessUpdate,steepdesc);
[x,fval,exitflag,output]=fminunc(f, x0,options3)
%单纯形法
[x,fval,exitflag,output]=fminsearch(f, [1 1])
运行结果：
bfgs法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [0.9570,0.2333] 是 2 9 x0=[0,1]T [-0.0398,0.2892] 是 2 9 x0=[1,0]T [0.3366,0.2681] 是 12 51 dfp法：
初值 最优值 是否找到最优值 迭代次数 函数评估次数 x0=[1,1]T [0.9570,0.2333] 是 2 9 x0=[0,1]T [-0.0398,0.2892] 是 2 9 x0=[1,0]T [0.9815,0.2318] 否 34 201 最速下降法：
初值 最优
文档评论（0）