最优化方法 Armijo非精确搜索+DFP.docVIP

PAGE  PAGE 6 数学与计算科学学院 实 验 报 告 实验项目名称 Armijo非精确搜索+DFP 所属课程名称 最优化方法 实 验 类 型 算法编程 实 验 日 期 班 级 学 号 姓 名 成 绩 一、实验概述：【实验目的】 掌握Matlab数值计算的基本方法； 掌握DFP算法； 在Armijo非精确搜索下使用DFP算法并进行MATLAB编程实现； 进行数值实验并对数值结果进行分析。 【实验原理】 Armijo条件是一种一维搜索的停止条件。不精确的一维搜索条件规定ak首先应该保证使目标函数充分减小，这个条件使用以下不等式描述： 其中的常数。也就是说，目标函数f的下降要与步长和下降方向成一定的比例。是一个很小的值。 DFP算法又称为变尺度法。其公式为： DEP算法的计算步骤如下： 1.给定初始点，允许误差； 2.置（单位矩阵），计算出在处的梯度，置。 3.令； 4.从出发，沿方向搜索，求步长，使其满足 令； 5.检验是否满足收敛准则，若，则停止迭代，得到点；否则，进行步骤6； 6.若，则令，返回步骤2；否则，进行步骤7； 7.令，，，利用DFP公式计算，置，返回步骤3. 【实验环境】 Microsoft Windows 7 Matlab 二、实验内容：【实验方案】 1.选定题目，解的极小点，取初始点。 2.在Armijo非精确线性搜索下，使用DFP算法，利用Matlab编写程序解决问题。 3.运行程序并调拭，得出结果。 4.分析结果。 【实验过程】（实验步骤、记录、数据、分析） 1.编写出Armijo非精确线性搜索的主程序： clc; clear; Function mk = armijo(fun,xk,rho,sigma,gk) assert(rho0rho1); assert(sigma0sigma0.5); mk=0;max_mk=100; while mk=max_mk x=xk-rho^mk*gk; if feval(fun,x)=feval(fun,xk)-sigma*rho^mk*norm(gk)^2 break; end mk=mk+1; end return; 2.编写出使用拟牛顿法中的DFP算法来求解的Matlab程序（详细程序见附录源程序）。 3.运行程序，得出结果如图所示： 从上述运行结果可以得出：最优解为x=1.0000,最小值约为f=0。 【实验结论】（结果） 拟牛顿法是无约束最优化方法中的最有效的一类算法。使用拟牛顿法中的DFP算法，不需要计算Hesse矩阵。当时，算法产生的方向均为下降方向，具有二次终止性，且对于数据的存储量相对较大。 【实验小结】（收获体会） 通过这个实验，我对于拟牛顿法的了解更深更加透彻，我们学习的算法使用编程语言实现时，仍然会有很多问题无法独立解决，求助了组员和同学们，自己还要多学习Matlab编程，这样在解决问题时才能更得心应手。 三、指导教师评语及成绩：评 语评语等级优良中及格不及格1.实验报告按时完成,字迹清楚,文字叙述流畅,逻辑性强2.实验方案设计合理3.实验过程（实验步骤详细,记录完整,数据合理,分析透彻）4实验结论正确.  成 绩： 指导教师签名： 批阅日期：附录1：源 程 序 clc; clear; syms x1,x2; f=(x1-1)^2+5*(x2-x1^2)^2; v=[x1,x2]; df=jacobian(f,v); df=df; x0=[2,0]; g1=subs(df,{x1,x2},{x0(1,1),x0(2,1)}); k=0; H0=[1,0;0,1]; while(norm(g1)0.001k300) if k==0 p=H0*g1; else vk=sk/(sk*yk)-(H0*yk)/(yk*H0*yk); w1=(yk*H0*yk)*vk*vk; H1=H0-(H0*yk*yk*H0)/(yk*H0*yk)+(sk*sk)/(s