优化实践模板.docVIP

优化软件实践报告 实验名称 最速下降法 实验时间 201年1月1日 姓名 班级 学号 成绩 一 实验目的 1.1 了解并掌握最速下降法的原理； 1.2 自编matlab程序对多元函数进行求解； 1.3 分析算法的运行时间，说明算法的优缺点； 1.4 与现有求解优化问题的最速下降法进行比较，分析不同之处。 二 实验环境 2.1 硬件环境：AMD Sempron(tm) Processor 3600+ 1.99GHz ,1.5G内存 2.2 软件环境：Microsoft Windows XP , MATLAB7.0 ,工具箱 三 相关背景知识介绍 3.1 最速下降法简介 对于无约束优化问题 下降迭代法求解此问题，即从当前迭代点出发，取函数在处的下降方向作为搜索方向。最速下降法是下降算法中一类重要的算法，其基本思想是寻找在处下降最快的方向。 3.2 最速下降法流程 用最速下降法求无约束优化问题的算法步骤如下： Step 1 初始化：给定初始点，精度要求，令； Step 2 终止判断：如果，停止计算，输出；否则转step 3； Step 3 计算搜索步长：从出发沿方向进行一维搜索求步长 Step 4 更新迭代点：令，转step 2。 四 实验步骤和结果分析 4.1 优化函数的选择 该实验中，考虑无约束优化问题，初始点，精度要求选取系统默认精度，一维搜索选用黄金分割法，目标函数的梯度采用手工计算方法。 4.2 工具箱的说明 Fminbnd fminsearch fminunc fmincon fminimax lsqnolin 4.3 程序源代码 4.3.1 最速下降法主函数 function [x,f]=steepestdescent(x) g=DF(x); %计算目标函数的梯度向量 while(norm(g)eps) sk=-g; t=Goldensection(x,sk); %黄金分割法计算步长 x=x+t.*sk; %计算搜索方向 g=DF(x); %计算在新的迭代点的梯度向量 end f=f(x); fprintf(The result is %8.5f\n, x) %输出最优解 fprintf(The daosu is %8.5f\n, f) %输出最优值 4.3.2 目标函数 function y=F(x) y=2*x(1)^2+x(2)^2; 4.3.3 目标函数的梯度向量 function y=DF(x) y1=4*x(1); y2=2*x(2); y=[y1,y2]; 4.3.4 黄金分割法 function y = Goldensection(x,sk) % ò??????÷,???e·???·¨ a=0;b=50; %???÷????[a,b] eps=0.0001; %???1???è stemp=sk; x1=a+0.382*(b-a); x2=a+0.618*(b-a); while(abs(b-a)eps) xtemp1=x+x1.*stemp; xtemp2=x+x2.*stemp; if(F(xtemp1)F(xtemp2)) a=x1; if (abs(b-a)eps) x1=x2;x2=a+0.618*(b-a); end else b=x2; if (abs(b-a)eps) x2=x1;x1=a+0.382*(b-a); end end end y=(a+b)/2; 4.4 调用格式 在MATLAB中编写程序实现最速下降法函数为：steepestdescent 调用格式：[x,f]=steepestdescent(x0) 其中，x0：初始点 4.5 结果分析(包括收敛性、收敛过程) 整个迭代过程如图所示： 五 程序的改进 程序需要改进的几个地方： 1 一维搜索可以采用其他一维搜索方式，比如进退法、fibonacci数列法、割线法、插值法等等。 也可以直接利用MATLLAB的内部函数fminbnd，其调用格式如下： X = FMINBND(FUN,x1,x2) at