[实验二无约束最优化.doc

实验二、 无约束最优化 （先将此文档从服务器下载，若众人同时在服务器打开文档，容易导致出错） 【实验目的】 1．了解无约束最优化方法的一些基本概念。 2．熟悉掌握用相关的命令来求解无约束最优化问题。 【实验内容】 把题目和相应的完整命令写在实验报告上。 1：无约束最优化问题实际上是什么问题？求这类问题的最优解的基本思路是什么？ 2：求在区间内的极小值点和极小值。 3：已知。 (1) 求在点附近的极小值； (2) 求在点附近的极小值点和极小值，要求优化算法用高斯－牛顿法，搜索方向用拟牛顿法的DFP公式，以及给出函数计算次数。 【相关知识说明】 无约束最优化是指在没有约束条件下，求多变量实值函数极值。 无约束最优化问题的数学表达式为 。 一般为非线性函数，是维实变量，实际上这是一个多元函数无条件极值问题。 由于求极大值问题，可以用添加负号的方式转化为求极小值问题，因此通常只讨论求极小值问题。应该注意的是，极值问题的解，即极值点，都是局部最优解，全局最优解只能从局部最优解的比较中得到。 如何求解无约束最优化问题的最优解呢？一般是采用迭代法，即先选择一个初始点，再寻找该点处的下降方向（我们称为搜索方向），在该方向上求极小点，得到一个新的点，然后在新点处再寻找下降方向和在该方向上的求极小点，……，如此下去，最终得到最优解。 我们先来看求一元函数y=f(x)在[x1,x2]内的极小值的命令： x=fminbnd(fun,x1,x2) 说明：其中fun是函数f(x)的表达式，当然也可以是关于f(x)的函数M-文件名。返回值x是极小值点。 现在我们来回答问题1。 问题1：求在区间内的极小值点和极小值. 命令如下 f=2*exp(-x)*sin(x); x=fminbnd(f,0,6) %极小值点 fval=2*exp(-x)*sin(x) %对应x的极小值 大家得到的结果是什么呢？ 这些是一元函数求极值，那么怎么求多元函数的极值呢？可以用下面的最简形式的命令： x=fminunc(fun,x0) 如果还必须满足更苛刻的要求，可以用下面的命令 [x,options]=fminunc(fun,x0,options) 说明：(1) 返回值中，x是极小值点。如果需要相应的极小值，可以用fval=fun(x)即可。 (2) 这里fun必须是事先定义的函数M-文件，M-文件的定义方式看下面的例子。 (3) x0是迭代初值。 (4) options是控制参数，它是一个有18个分量的向量，包括了在优化程序中要用到的各种参数，以便在计算最优值时控制精度要求、输出形式、搜索算法、迭代次数、步长等等。例如分量options(6)是指明搜索方向的。options各分量的意义见篇末。 在使用options前，可以根据要求对options的某些分量进行赋值，否则options会自动使用缺省值。根据options各分量的意义，我们来回答问题2。 问题2：已知。 ①求在点附近的极小值； ②求在点附近的极小值点和极小值,要求搜索方向为最速下降法，精度为,并给出函数计算次数. 首先，建立M-文件，文件名取函数名 myfun.m。 function f=myfun(x) f=4*x(1)^2+x(2)^2-x(1)^3*x(2) 对于第一问，比较简单，直接应用上面命令的最简形式即可，如下。 x0=[1,2]; %取点(1,2)为迭代初值 x=fminunc(myfun,x0); fval=myfun(x) 对于第二问，就要复杂很多了，要考虑参数options各个分量的取值。命令如下 x0=[1,2]; opt(2)=1e-6; %设置自变量要求的精度 opt(3)=1e-6; %设置函数值要求的精度 opt(6)=2; %搜索算法用最速下降法 [x,opt]=fminunc(myfun,x0,opt); x %参数options的值已返回给向量opt，因此 n=opt(10) %得到函数计算次数 fval=opt(8) %在极点x处的极小值 大家分别运行上面的命令，看看相应的答案是什么？ 类似fminunc，我们还有一个命令fminsearch，用法几乎一样， 与fminunc不同的仅有两点：（1）fminsearch使用的优化方法是单纯形法。（2）fun可以是函数f(x)的表达式，当然也可以是关于f(x)的函数M-文件名。 另外大家可以思考Rosebrock函数 。 试用不同算法（搜索方向和步长搜索）求最优极小值点和极小值。初值为。 参数options各分量说明 序号 功能 分量说明 缺省值含义 1 输出形式 options(1)=1,有中间结果输出 options(1)=－1,给出警告信息 0, 无中间结果输出