a共轭梯度法编程.docVIP

MK7FCCK282Z3SV MK6CZBW26Q6LZ9 MKHMNXTJJQ4S83 MKMDE2RESG33HS P90 第二章 11（2） 用大M法求解 min w=2x1+x2-x3-x4 s.t x1-x2+2x3-x4=2 2x1+x2-3x3+x4=6 x1+x2+x3+x4=7 xi≥0, i = 1, 2, 3, 4 用matlab求解如下： f=[2,1,-1,-1,200,200,200]; a=[1 -1 2 -1 1 0 0;2 1 -3 1 0 1 0;1 1 1 1 0 0 1]; b=[2 6 7]; lb=zeros(7,1); [x,fval,exitflag,output,lambda]=linprog(f,[],[],a,b,lb) Optimization terminated. 运行结果如下： x = 3.0000 0.0000 1.0000 3.0000 0.0000 0.0000 0.0000 fval = 2.0000 exitflag = 1 output = iterations: 7 algorithm: large-scale: interior point cgiterations: 0 message: Optimization terminated. lambda = ineqlin: [0x1 double] eqlin: [3x1 double] upper: [7x1 double] lower: [7x1 double] 从上述运行结果可以得出：最优解为x= ，最小值约为f*=2。 P151 第三章 26 用共轭梯度算法求f(x) = (x1-1)^2+5*(x2-x1^2)^2的极小点，取初始点x0= 。 用matlab求解如下： function mg=MG() % %共轭梯度法求解习题三第26题 % clc; clear; n=2; x=[2 0]; max_k=100; count_k=1; trace(1,1)=x(1); trace(2,1)=x(2); trace(3,1)=f_fun(x); k=0; g1=f_dfun(x); s=-g1; while count_k=max_k if k==n g0=f_dfun(x); s=-g0; k=0; else r_min=fminbnd(@(t) f_fun(x+t*s),-100,100); x=x+r_min*s; g0=g1; g1=f_dfun(x); if norm(g1)10^(-6) break; end m=(norm(g1)^2)/(norm(g0)^2); s=-g1+m*s; count_k=count_k+1; trace(1,count_k)=x(1); trace(2,count_k)=x(2); trace(3,count_k)=f_fun(x); k=k+1; end end count_k x f=f_fun(x) function g=f_dfun(x) g(1,1)=20*x(1)^3-20*x(1)*x(2)+2*x(1)-2; g(2,1)=10*x(2)-10*x(1)^2; function f=f_fun(x) f=5*x(1)^4-10*x(1)^2*x(2)+x(1)^2-2*x(1)+1+5*x(2)^2; 运行结果如下： k = 59 x0 = 1.0000 1.0000 f0 = 0 从上述运行结果可以得出：最优解为x= ，最小值约为f*=0。 P151 第三章 26 用BFGS算法求f(x) = (x1-1)^2+5*(x2-x1^2)^2的极小点，取初始点x0= 。 用matlab求解如下： 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(