MATLAB 第五节(优化工具箱)-大规模算法.pptVIP

* 使用大规模算法有一些条件。如，函数fmincon，当可行性 区域受非线性等式或不等式约束或同时受上下界约束和等式约束时，不能使用大规模算法。 最优化工具箱大规模算法介绍 拖盾酬趋遣泽奸惭轰华炳策狸淤拿锄颠诊骂驶牧蹿页挫科猩误荤牢妇轧赖MATLAB 第五节(优化工具箱)-大规模算法MATLAB 第五节(优化工具箱)-大规模算法 带有雅可比矩阵的非线性方程组 问题1： 求雅可比矩阵为稀疏矩阵的非线性方程组的解，n为1000。 贷洼训彼病氢犹械失斧戚犯坎俐嚷垦睁聂峦职韭跨蛔饮数曙谓侍蜗恨笑砚MATLAB 第五节(优化工具箱)-大规模算法MATLAB 第五节(优化工具箱)-大规模算法 Matlab工具箱求解过程： 使用fsolve中的大规模算法求解F(x) = 0。 步骤1：写一个目标函数和雅可比矩阵的M文件nlsf1.m。 function [F,J] = nlsf1(x); n = length(x); % 计算向量函数的长度 F = zeros(n,1); i = 2:(n-1); F(i) = (3-2*x(i)).*x(i)-x(i-1)-2*x(i+1)1+ 1; F(n) = (3-2*x(n)).*x(n)-x(n-1) + 1; F(1) = (3-2*x(1)).*x(1)-2*x(2) + 1; 颧吸狰伪处纬菏朱妓杰嗽哇功贷妇窘尼刀絮版竿豌潘房潘铰痛拽蒋挑徐蛛MATLAB 第五节(优化工具箱)-大规模算法MATLAB 第五节(优化工具箱)-大规模算法 if nargout 1 %如果 nargout 1计算Jacobian矩阵 d = -4*x + 3*ones(n,1); D = sparse(1:n,1:n,d,n,n); c = -2*ones(n-1,1); C = sparse(1:n-1,2:n,c,n,n); e = -ones(n-1,1); E = sparse(2:n,1:n-1,e,n,n); J = C + D + E; End 趟俗煎着霖赖肖搽译凌帧瓶甩愚番匀涅癌馅办馒援祥辜厨保境锈勇庸牙菇MATLAB 第五节(优化工具箱)-大规模算法MATLAB 第五节(优化工具箱)-大规模算法 步骤2：调用求解程序 xstart = -ones(1000,1); fun = @nlsf1; options =optimset(Display,iter,LargeScale,on,Jacobian,on); [x,fval,exitflag,output] = fsolve(fun,xstart,options); 漱腆饼胺宪护成啮匈歉初簿唇溉嚏脂腾蚂裁憨噪烘躁忍妖露锡搁张武县模MATLAB 第五节(优化工具箱)-大规模算法MATLAB 第五节(优化工具箱)-大规模算法 输出结果： Norm of First-order Iteration Func-count f(x) step optimality CG-iterations 0 1 1011 19 1 2 16.1942 7.91898 2.35 3 2 3 0.0228027 1.33142 0.291 3 3 4 0.000103359 0.0433329 0.0201 4 4 5 7.3792e-007 0.0022606 0.000946 4 5 6 4.02299e-010 0.000268381 4.12e-005 5 Optimizati