现代设计理论与方法第二次作业_new_new资料.docxVIP

现代设计理论与方法第二次作业 无约束优化方法习题 三、用牛顿法求解（变量收敛精度为10-5 ） （1） 解： 通过使用已有的牛顿法程序，分别将目标函数、初始点及收敛精度输入程序，便得到所求函数的结果，如下图： （2）将函数在点简化为二次函数，并用牛顿法求此二次函数的最优解。 解： 1）通过调用matlab中的泰勒函数，将函数简化成在点处的二次函数如下图： 编写的huajiancheng_2ci.m文件程序如下： syms x1 x2 f=x1^4-3*x1^2*x2+2*x2^3; f fprintf(化简后的二次函数\n) f1=taylor(f, [x1,x2],[1,1],order,3) 2）将第一问的化简后的二次函数与入牛顿法程序所得结果如下图所示 四、用最速下降法求解（变量收敛精度为10-5 ） （1） （2）将函数在点简化为二次函数，并用最速下降法求此二次函数的最优解。 答：同样调用huajiancheng_2ci.m文件程序，得出如下图化简结果 然后??化简结果写入最速下降法程序中得： 附录原程序： 第3题第（1）问原程序 %%现代设计理论与方法第二次作业 %%========================================================================= function Ymin=newton_method X=[1,1]; epsi=1e-5; X0=X.; %设置初始点X0。 G=Gname(X0(1),X0(2)); k=0; %将迭代次数置0。 while (abs(norm(G,2)))epsi %while循环，将梯度的模和收敛精度比较进行迭代计算。 syms t X1=X0; %把X(k)点先赋值给X(k+1)点。 H1=Hname(X1(1),X1(2)); X1=X1-t*(inv(H1))*G; f_t=fname(X1(1),X1(2)); df_t=diff(f_t); %函数对t求一阶导数。 t0=solve(df_t); %求解最优步长。 t=subs(t0); X0=X0-t*(inv(H1))*G; G=Gname(X0(1),X0(2)); %调用梯度函数 k=k+1; end Ymin=fname(X0(1),X0(2)); fprintf(迭代次数为：\n %g,k) %输出迭代次数。 fprintf(\n); fprintf(牛顿法求得最优解为：[%f,%f],double(X0)); %输出最优解。 fprintf(\n); fprintf(牛顿法求得最优值的小数表示为：%f\n分数表示为：,double(Ymin)) %输出最小值。 %%梯度计算函数 function G=Gname(a,b) syms x1 x2