matlab实验牛顿法.docVIP

实 验 报 告 实验名称： 牛顿法 院 （系）： 机电学院 专业班级： 机械制造及其自动化 姓 名： 学 号： 2013年5 月13 日 实验一： 牛顿法 实验日期：2013年 5 月 13 日 实验目的 了解MATLAB的基本运用 了解MATLB在优化中的使用 实验原理 牛顿法是梯度法的发展，不仅使用目标函数的一阶导数，而且考虑变化趋势，利用目标函数的二阶偏导，对于一元函数，将其极小点x*附近的一个给定点x0进行泰勒展开，得到二次函数，按照极值条件可得极小值点x1，用其作为x*的下一个近似点，并在x1处进行泰勒展开，得到第二个近似点x2。直到求的F（x）的极小值点，对于多元函数f（x），同样用上述方法求极小值 实验内容 牛顿法程序： x0=[3;3]; %初始点 xk=x0; k=0; %迭代变量初始化 MLN=100; %最大迭代次数 ie=10^(-7); %收敛精度 ae=1; %实际收敛精度 grad=zeros(2,1); %迭代循环求解 while (aeiekMLN) syms x1 syms x2 %调用目标函数，求梯度 fun1=fun(x1,x2); fx1=diff(fun1,x1); fx2=diff(fun1,x2); fx1=inline(fx1); fx2=inline(fx2); %计算梯度值 grad(1)=feval(fx1,xk(1)); grad(2)=feval(fx2,xk(2)); %计算海赛矩阵及其逆阵 G=jacobian(jacobian(fun1),[x1,x2]); b=zeros(2,2); b(1,1)=G(1,1); b(1,2)=G(1,2); b(2,1)=G(2,1); b(2,2)=G(2,2); b=inv(b); xk1=xk-b*grad; ae=norm(xk1-xk); xk=xk1; k=k+1; end x=xk 函数程序： function f=fun(x1,x2) f=(x1-1)^4+(x1+2*x2)^2 执行结果： x = 0 0 实验小结 通过本实验了解了了matlab的基本操作方法，了解牛顿法的原理与基本运用