用最速下降法求最优解

题目：

已知 f(x) = (x₁-1)²+5(x₂-5)²+(x₃-1)²+5(x₄-5)² ，用快速下降法、牛顿法或共轭梯度法求 minf(x) 。

最速下降法代码：

//最速下降法
//请根据具体题目，修改本程序“//@”所在行的下一行代码。
#include<math.h>
#include<stdio.h>
#include<stdlib.h>
//@ 题目中方程是几元的，此处将LEN设为几
#define LEN 4
#define TYPE floatTYPE fAnswer(TYPE *x) {    //求f(x)的值，并返回TYPE f;//@ 题目中的方程写与此f = (x[0] - 1) * (x[0] - 1) + 5 * (x[1] - 5) * (x[1] - 5) + (x[2] - 1) * (x[2] - 1) + 5 * (x[3] - 5) * (x[3] - 5);return f;
}void vectorMultiply(TYPE *x, TYPE e) {    //常数e乘x向量，赋值给x向量 【若求负梯度，可用梯度乘-1】int i;for(i = 0; i < LEN; i++) {x[i] = e * x[i];}
}void vectorAdd(TYPE *x, TYPE *y, TYPE *z) {    //向量加法操作int i;for(i = 0; i < LEN; i++) {z[i] = x[i] + y[i];}
}void vectorSub(TYPE *x, TYPE *y, TYPE *z) {    //向量减法操作int i;for(i = 0; i < LEN; i++) {z[i] = x[i] - y[i];}
}void vectoreEqual(TYPE *x, TYPE *y) {    //向量赋值操作int i;for(i = 0; i < LEN; i++) {y[i] = x[i];}
}TYPE norm2_graded(TYPE *x) {    //负梯度模的平方int i;TYPE norm2 = 0.0;for(i = 0; i < LEN; i++) {norm2 += x[i] * x[i];}return norm2;
}void DSC(TYPE *x0, TYPE *stepLength) {    //用D.S.C.法求下一个x落点TYPE x1[LEN];TYPE x2[LEN];TYPE x3[LEN];TYPE x4[LEN];TYPE x5[LEN];TYPE xa[LEN];TYPE xb[LEN];TYPE xc[LEN];vectorAdd(x0, stepLength, x1);if(fAnswer(x1) > fAnswer(x0))vectorMultiply(stepLength, -1);vectorAdd(x0, stepLength, x1);while(fAnswer(x1) <= fAnswer(x0)) {vectoreEqual(x1, x0);vectorAdd(stepLength, stepLength, stepLength);vectorAdd(x1, stepLength, x1);}vectorMultiply(stepLength, 0.5);vectorSub(x0, stepLength, x2);vectoreEqual(x1, x4);vectoreEqual(x0, x3);vectorSub(x1, stepLength, x5);if(fAnswer(x5) > fAnswer(x3))vectoreEqual(x3, xb);elsevectoreEqual(x5, xb);vectorSub(xb, stepLength, xa);vectorAdd(xb, stepLength, xc);vectorMultiply(stepLength, (fAnswer(xa) - fAnswer(xc)) / (2 * (fAnswer(xa) - 2 * fAnswer(xb) + fAnswer(xc))));vectorAdd(xb, stepLength, x0);
}//@ 对题目的xi分别求偏倒，赋值给stepLength[i]
void setStepLength(TYPE *stepLength, TYPE *x0) {stepLength[0] = 2 * (1 - x0[0]);stepLength[1] = 10 * (5 - x0[1]);stepLength[2] = 2 * (1 - x0[2]);stepLength[3] = 10 * (5 - x0[3]);
}void main() {    //方法主体TYPE x0[LEN];    //初始点TYPE stepLength[LEN];    //步长TYPE e = 0.001;    //误差int i;    //用于循环计数printf("请输入x的初始值：\n");for(i = 0; i < LEN; i++) {    //初始化x0数组printf("x%d = ", i+1);scanf("%f", &x0[i]);}setStepLength(stepLength, x0);i = 1;while(norm2_graded(stepLength) > e * e) {    //最速下降法主体DSC(x0, stepLength);setStepLength(stepLength, x0);i = i + 1;}printf("最速下降法循环结束，共循环%d次\n", i - 1);printf("使用最速下降法获得的最优点为：\n");for(i = 0; i < LEN; i++) {printf("x%d = %f\n", i+1, x0[i]);}
printf("minf(x) = %f\n", fAnswer(x0));printf("最速下降法程序结束!!!\n");}

总结：

本解法改进了一维搜索的D.S.C.法，将步长的一维初始值改为负梯度向量，D.S.C.算法中的其它一维参量也采用向量形式替换，使此D.S.C.法可适用于多维搜索。

经多次修改，此程序具有较好的复用性，主要体现在两个方面，一是只需根据具体题目，对本程序的三处代码稍加修改，即可复用；二是只需少量修改，便可将本最速下降法改写成共轭梯度法或牛顿法，具体操作，可参考我的用共轭梯度法球最优解和用牛顿法求最优解的两篇博文。

经编程验证，此方法无误。

用最速下降法求最优解相关推荐

最优解matlab机械大作业,最速下降法求最优解西安电子科技大学matlab结课大作业...
07112016.最速下降法求最优解六. 结果评价本次测试分别从两组不同的初始搜索位置,两组不同 a,b,c,d 值出发, 两两比较可得结论:测试用例 abcd 为某些特定值时,不同初始搜索位置可 ...
python求最值_用Python实现最速下降法求极值的方法
对于一个多元函数 ,用最速下降法(又称梯度下降法)求其极小值的迭代格式为其中为负梯度方向,即最速下降方向,αkαk为搜索步长. 一般情况下,最优步长αkαk的确定要用到线性搜索技术,比如精确线性搜 ...
python迭代法求极值_用Python实现最速下降法求极值的方法
对于一个多元函数 ,用最速下降法(又称梯度下降法)求其极小值的迭代格式为其中为负梯度方向,即最速下降方向,αkαk为搜索步长. 一般情况下,最优步长αkαk的确定要用到线性搜索技术,比如精确线性搜 ...
用Python实现最速下降法求极值
原文:https://blog.csdn.net/u012705410/article/details/47254437 用Python实现最速下降法求极值对于一个多元函数f(x)=f(x1,x2, ...
为什么一些机器学习模型需要对数据进行归一化？——1）归一化后加快了梯度下降求最优解的速度；2）归一化有可能提高精度...
为什么一些机器学习模型需要对数据进行归一化? http://www.cnblogs.com/LBSer/p/4440590.html 机器学习模型被互联网行业广泛应用,如排序(参见:排序学习实践).推 ...
【运筹学】对偶理论 : 互补松弛定理应用 2 ( 互补松弛定理求最优解思路 ) ★★
文章目录一.原问题与对偶问题标准形式二.互补松弛定理三.已知原问题最优解求对偶问题最优解四.互补松弛定理求最优解思路一.原问题与对偶问题标准形式原问题 P\rm PP : maxZ=CXs ...
图解法求最优解的例题_简单的线性规划求最优解
教你如何做出最佳选择 --简单的线性规划求最优解在线性约束条件下,求线性目标函数最值问题,称为"线性规划".目标函数 ) , ( y x f z  取得最值时,变量 y x ...
利用机器学习拟合复杂函数，并利用遗传算法求最优解
利用机器学习拟合复杂函数,并利用遗传算法求最优解编程语言:Python 利用工具:sklearn.keras.geatpy 步骤原理简述: 1.利用机器学习到数据集的多维特征和输出的拟合函数关系(模 ...
matlab 二分法求最优解
MATLAB二分法求最优解 [菜狗bb]emm-原理挺简单的,应该没啥不明白的.就是给一个函数f以及区间[a,b]和精确度esp,对区间的中间值进行求导,小于0就把中间值赋给a,大于0就把中间值赋给b ...

用最速下降法求最优解

用最速下降法求最优解相关推荐

最新文章

热门文章