最优化计算方法课程设计4.docVIP

最优化计算方法课程设计 2015.12.7 2015年11月30日 上机题目 题目21 编写程序实现多元函数的牛顿法。 编写函数 [x,minf]=minNewton(f,x0,var,eps). 其中f为目标函数，x0为初始点， var自变量向量，eps为算法终止的精度。 用牛顿法求解多维无约束优化问题minf(x)。 算法为： function [x,minf]=minNewton(f,x0,var,eps) xk=x0; k=0; df=jacobian(f,var); ddf=jacobian(df,var); k1=0; kmax=10000; while(k1kmax) if(norm(subs(df,var,xk))=eps) x=double(xk); minf=double(subs(f,var,xk)); break; end dk=-inv(subs(ddf,var,xk))*subs(df,var,xk); xk=xk+dk; k=k+1; k1=k1+1; end if(k1=kmax) x=error; minf=error; end 题目22 用牛顿法求解无约束二元函数的极小值，初始点取。 在Matlab输入如下： clear clc syms t; syms s; f=(t-4)^2+(s+2)^2+1; x0=[0,0]; var=[t,s]; eps=0.01; [x,minf]=minNewton(f,x0,var,eps) 结果为： x =[4 ,-2] minf = 1 题目23 编写程序实现多元函数的修正牛顿法。 编写函数 [x,minf]=modifiedNewton(f,x0,var,eps). 其中f为目标函数，x0为初始点， var自变量向量，eps为算法终止的精度。 用修正牛顿法求解多维无约束优化问题minf(x)。 算法为： function [x,minf]=modifiedNewton(f,x0,var,eps) xk=x0; k=0; df=jacobian(f,var); ddf=jacobian(df,var); syms alpha1; k1=0; kmax=10000; while(k1kmax) if(norm(subs(df,var,xk))=eps) x=double(xk); minf=double(subs(f,var,xk)); break; end dk=-inv(subs(ddf,var,xk))*subs(df,var,xk); [alphak,temp]=Goldstein(subs(f,var,xk+alpha1*dk),inf,0.4,0.75,2,eps,alpha1); if(alphak==error) x=error; minf=error; break; end xk=xk+alphak*dk; k=k+1; k1=k1+1; end if(k1=kmax) x=error; minf=error; end 题目24 用修正牛顿法求解无约束二元函数的极小值，初始点取。 在Matlab输入如下： clear clc syms t; syms s; f=(t-4)^2+(s+2)^2+1; x0=[0,0]; var=[t,s]; eps=0.01; [x,minf]=modifiedNewton(f,x0,var,eps) 结果为： x = [3.9958 ,-1.9979] minf =1.0000 题目25 编写程序实现多元函数的DFP法。 编写函数 [x,minf]=QNDFP(f,x0,var,eps). 其中f为目标函数，x0为初始点， var自变量向量，eps为算法终止的精度。 用DFP法求解多维无约束优化问题minf(x)。 算法为： function [x,minf]=QNDFP(f,x0,var,eps) xk=x0; k=0; n=length(xk); Hk=eye(n); syms alpha1; df=jacobian(f,var); k1=0; kmax=1000; s=2; while(k1=kmax) if(s==2) if(norm(subs(df,var,xk))=eps)