工程优化目标函数的几种极值求解方法c编程.docVIP

目标函数极值求解的几种方法 题目：分别用最速下降法，牛顿法，共轭梯度法,拟牛顿法求函数的最小值，初始点自拟。 一维搜索法： 迭代下降算法大都具有一个共同点，这就是得到点后需要按某种规则确定一个方向，再从出发，沿方向在直线（或射线）上求目标函数的极小点，从而得到的后继点，重复以上做法，直至求得问题的解，这里所谓求目标函数在直线上的极小点，称为一维搜索。 一维搜索的方法很多，归纳起来大体可以分为两类，一类是试探法：采用这类方法，需要按某种方式找试探点，通过一系列的试探点来确定极小点。另一类是函数逼近法或插值法：这类方法是用某种较简单的曲线逼近本来的函数曲线，通过求逼近函数的极小点来估计目标函数的极小点。这里采用的是第一类试探法中的黄金分割法。实现过程如下： ⑴ 置初始区间[]及精度要求L0,计算试探点和，计算函数值和，计算公式是：，。令k=1。 ⑵ 若则停止计算。否则，当时,转步骤⑶;当时,转步骤⑷ 。 ⑶ 置,,,,计算函数值,转⑸。 ⑷ 置,,,,计算函数值,转⑸。 最速下降法 实现原理描述：在求目标函数极小值问题时,总希望从一点出发,选择一个目标函数值下降最快的方向,以利于尽快达到极小点,正是基于这样一种愿望提出的最速下降法,并且经过一系列理论推导研究可知,负梯度方向为最速下降方向。 最速下降法的迭代公式是，其中是从出发的搜索方向，这里取在点处最速下降方向，即。是从出发沿方向进行的一维搜索步长，满足。 实现步骤如下： ⑴ 给定初点 ，允许误差，置k=1。 ⑵ 计算搜索方向， 若，则停止计算；否则，从出发，沿方向进行的一维搜索，求，使。 ⑶ ，置k=k+1返回步骤 ⑵。 牛顿法 牛顿法迭代公式：，是在点处的牛顿方向，，是从出发沿牛顿方向进行搜索的最优步长。 ⑴ 给定初点 ，允许误差，置k=1。 ⑵ 计算， 若，则停止计算；否则，转⑶。 ⑶ 计算，从出发，沿方向进行的一维搜索，求，使，，置k=k+1返回步骤 ⑵。 共轭梯度法 若是中k个方向，它们两两关于A共轭，即满足 ，称这组方向为A的k个共轭方向。共轭梯度法的基本思想是把共轭性与最速下降法相结合，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。 实现步骤如下： ⑴ 给定初点 ，允许误差； ⑵ 若，则停止计算；否则，转⑶； ⑶ 置，k=1。 ⑷ 作一维搜索，求，满足； ⑸ 令，求。 ⑹ 若，则停止计算；否则，转⑺； ⑺ 若k=n,则令，转⑶；否则，转8）； ⑻ 令，其中，置k=k+1，转⑷。 程序 #includestdio.h #includemath.h #includeiostream.h #define N 100 double F(double x[],double p[],double xi[],double ba[],int n,double t) { double f=0; int i; for(i=0;in;i++) f=f+xi[i]*(x[i]+t*p[i]-ba[i])*(x[i]+t*p[i]-ba[i]); return f; } double HJFC(double x[],double p[],double xi[],double ba[],int n) { double a=0,b=10,x1,x2,f1,f2,e=0.0001,y; x2=a+0.618*(b-a); f2=F(x,p,xi,ba,n,x2); x1=a+0.382*(b-a); f1=F(x,p,xi,ba,n,x1); while(fabs(b-a)e) { if(f1f2) { b=x2;x2=x1;f2=f1; x1=a+0.382*(b-a); f1=F(x,p,xi,ba,n,x1); } else if(f1==f2) { a=x1;b=x2; x2=a+0.618*(b-a); f2=F(x,p,xi,ba,n,x2); x1=a+0.382*(b-a); f1=F(x,p,xi,ba,n,x1); } else { a=x1;x1=x2;f1=f2; x2=a+0.618*(b-a); f2=F(x,p,xi,ba,n,x2); } } y=0.5*(b+a); return y; } void zuisu(double x[],double xi[],double ba[],int n) { int i,k=1; double sum,eps