实验7 无约束优化实验7 无约束优化.docVIP

实验7 无约束优化 【实验目的】 1、掌握MATLAB优化工具箱的基本用法，对不同算法进行初步分析、比较。 2、练习用无约束优化方法建立和求解实际问题的模型（包括非线性最小二乘拟合）。 【实验内容】 题目2 取不同的初值计算下列非线性规划，尽可能求出所有局部极小点，进而找出全局极小点，并对不同算法（搜索方向、搜索步长、数值梯度与分析梯度等）的结果进行分析、比较。 （1） 2.1 模型分析 设 从表达式容易看出，恒成立。因此，若存在某个x使f(x)=0，应该就是最优解。从表达式容易观察得，当=0或=0或=1时，f（x）=0。 此外, 函数f(x)是一个二变量的、乘积形式的函数，而且可以预见，其梯度向量和Hessian矩阵的表达式比较复杂，故若通过求梯度的方法求解本题会十分麻烦。 2.2 matlab求解 2.2.1 输出三维图像和等高线，直观观察最优解所在位置 首先，先让MATLAB输出 的三维图像，直观地观察最优解的大致范围。程序guancha.m如下。 [x,y]=meshgrid(-2:0.01:2,-2:0.01:2);%选定x,y范围均为[-2,2] z=((x.*y).^2).*((1-x).^2).*((1-x-y.*((1-x).^5)).^2); mesh(x,y,z); %画三维图像 title(图2.1 三维图像); pause contour(x,y,z,30) %画等高线 title(图2.2 等高线 ) 在第一幅图中，最大的函数值的数量级已到107，说明画图范围取得过大，函数值为0的,点在该图中均呈现一平面，故需要缩小自变量的范围再绘图。修改程序guancha1.m如下。 [x,y]=meshgrid(-0.1:0.01:1.1,-0.1:0.01:1.1);%选定x,y范围均为[-0.1,1.1] z=((x.*y).^2).*((1-x).^2).*((1-x-y.*((1-x).^5)).^2); mesh(x,y,z); %画三维图像 title(图2.1 三维图像); pause contour(x,y,z,200) %画等高线 title(图2.2 等高线 ) 从上面这幅等高线可以看出，最优解大致分布在=0或=0或=1附近。全局极小值为0. 2.2.2 对不同算法的结果进行分析比较 1.比较不同搜索方向和步长对结果的影响 首先建立函数文件fun21.m function f=fun21(x) f=((x.*y).^2).*((1-x).^2).*((1-x-y.*((1-x).^5)).^2); 用3种搜索方向（BFGS,DFP和最速下降法）及两种步长搜索（混合二、三次插值和三次插值）计算。选取起始点为（0.4,0.1）进行计算 format short e x0=[0.4,0.1]; --case1:bfgs.hybrid 2,3 poly--; opt1=optimset(LargeScale,off,MaxFunEvals,1000); [x1,v1,exit1,out1]=fminunc(@fun21,x0,opt1) pause ---case2: dfp, hybrid 2,3 poly------- fopt=optimset(opt1,HessUpdate,dfp); [x2,v2,exit2,out2]=fminunc(@fun21,x0,fopt) pause ---case3: steep, hybrid 2,3 poly------- fopt=optimset(opt1,HessUpdate,steepdesc); [x3,v3,exit3,out3]=fminunc(@fun21,x0,fopt) pause ---case4: bfgs, 3rd poly------- opt2=optimset(opt1,LineSearchType,cubicpoly); [x4,v4,exit4,out4]=fminunc(@fun21,x0,opt2) pause ---case5: dfp, 3rd poly------- fopt=optimset(opt2,HessUpdate,dfp); [x5,v5,exit5,out5]=fminunc(@fun21,x0,fopt) pause ---case6: steep, 3rd poly------- fopt=optimset(opt2,HessUpdate,steepdesc); [x6,v6,ex