网站大量收购闲置独家精品文档,联系QQ:2885784924

最优化设计程序设计.pdf

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
最优化设计程序设计

最优化方法 实验报告 学生姓名: 魏 峰 学 号: 201318050224 班 级: 数学与应用数学131802 完成时间: 2016 年 6 月 20 日 最优化方法上机实验报告 一、实验题目 共轭梯度法求解方程及方程组 二、实验目的 1.进一步熟悉理解掌握共轭梯度法解法思路,提高matlab 编程能力 2.学习并撑握共轭梯度法的原理、方法及应用,并了解不同无约束优化方法的区 别、优缺点及特殊要求。 3.熟悉使用共轭梯度法求解无约束非线性规划问题的原理; 4.在掌握原理的基础上熟练运用此方法解决问题; 5.解决问题的同时分析问题,力求达到理论与实践的相统一; 三、实验原理、基本理论 共轭梯度法为求解线性方程组而提出。后来,人们把这种方法用于求解无约 束最优化问题,使之成为一种重要的最优化方法。 共轭梯度法的基本思想是把共轭性与最速下降方法相结合,利用已知点处的 梯度构造一组共轭方向,并沿这组方向进行搜索,求出目标函数的极小点。根据 共轭方向的基本性质,这种方法具有二次终止性。在各种优化算法中,共轭梯度 法是非常重要的一种。其优点是所需存储量小,具有步收敛性,稳定性高,而且 不需要任何外来参数。 无约束最优化方法的核心问题是选择搜索方向.在本次实验中,我们运用基于 共轭方向的一种算法—共轭梯度法 目前已研究出很多种无约束优化方法,它们的主要不同点在于构造搜索方向 上的差别。 (1)间接法——要使用导数,如梯度法、(阻尼)牛顿法、变尺度法、共轭梯度 法等。 (2)直接法——不使用导数信息,如坐标轮换法、鲍威尔法单纯形法等。 用直接法寻找极小点时,不必求函数的导数,只要计算目标函数值。这类方 1 最优化方法上机实验报告 法较适用于解决变量个数较少的(n ≤20)问题,一般情况下比间接法效率低。 间接法除要计算目标函数值外,还要计算目标函数的梯度,有的还要计算其海赛 矩阵。 x k 1 x k sk (k 0,1,2,) k 搜索方向的构成问题乃是无约束优化方法的关键。 共轭梯度法是沿着共轭方向进行搜索,属于共轭方向法中的一种,该方法中 每一个共轭向量都是依赖于迭代点处的负梯度而构造出来。共轭梯度法作为一种 实用的迭代法,它主要有下面的优点: (1)算法中,系数矩阵A的作用仅仅是用来由已知向量P 产生向量W=AP, 这不仅可充分利用A的稀疏性,而且对某些提供矩阵A较为困难而由 已知向量P 产生向量W=AP 又十分方便的应用问题是很有益的。 (2)不需要预先估计任何参数就可以计算,这一点不像SOR 等; (3)每次迭代所需的计算,主要是向量之间的运算,便于并行化。 考虑线性方程组 Ax b x 的求解问题,其中A 是给定的n 阶对称正定矩阵,b 是给定的n 维向量, 是待 求解的n 维向量.为此,定义二次泛函 T T (x) x Ax 2b x . 定理1 : 设A 对称正定,求方程组Ax b 的解,等价于求二次泛函(x ) 的极小值 点. 定理 1 表明,求解线性方程组问题就转化为求二次泛函(x ) 的极小值点问

文档评论(0)

561190791 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档