智能制造大作业.docxVIP

一、用最速下降法、沿直线最小化法、牛顿法、共轨梯度法求解方程组 1、 实验目的：了解最速下降法、沿直线最小化法、牛顿法、共轨梯度法的 思路及求解过程，比较四种方法的优缺点，提高Matlab编程能力。 2、 实验要求：已知线性方程组，应用最速下降法、沿直线最小化法、牛顿 法、共轨梯度法在Matlab软件屮编程求解方程组的解。 3、 实验原理： 3.1最速下降法： 从某个初始点出发，沿/（X）在点X（°）处的负梯度方向 =-^f（X（Q｝） = b-AX（0） 求得/（X）的极小值点X⑴，即 min/（X（o）+ 2r（o）） 2＞（） 然后从X⑴出发，重复上面的过程得到X⑵。 如此下去，得到序列｛X*〉｝ /（X（°））＞/（X ⑴）＞...＞/（X ⑷） 可以证明，从任一初始点x（°）出发，用最速下降法所得到的序列｛X（r 均收敛于问题使x最小化/（X）的解，也就是方程组AX=b的解。其收敛速度取 决于人+入，其屮人，盒分别为A的最小，最大特征值。 最速下降法迭代格式：给定初值x（°）, X⑹按如下方法决定: r^ = -Vf( X ⑷)= b —AX ⑷ r(k) r(k)\Ar^ X（k+】）= x（*）+Qp ⑷ 2共轨梯度法: 其基本步骤是在点X）处选取搜索方向使其与前一次的搜索方向 严）关于A共轨,BP： d(i ⑹,=0 然后从点X⑷出发，沿方向d⑹求得/（X）的极小值