最优化方法——Matlab实现黄金分割法一维搜索

2023-10-21 08:30

本文主要是介绍最优化方法——Matlab实现黄金分割法一维搜索,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 黄金分割法一维搜索原理
      • 算法流程:
    • Matlab代码
      • 命令行窗口结果打印:
        • 更换匿名函数:
      • 《最优化方法》教材上写成表的答案:
      • 黄金分割法的一些性质

黄金分割法一维搜索原理

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
若保留区间为[x1,b],我们得到的结果是一致的.
该方法称为黄金分割法,实际计算取近似值: x1=a+0.382(b – a), x2=a+0.618(b – a),
所以黄金分割法又称为0.618法.
黄金分割法每次缩小区间的比例是一致的,每次将区间长度缩小到原来的0.618倍.

算法流程:

在这里插入图片描述
黄金分割法也称作0.618法,一维指的是只含有一个未知量的情况。

Matlab代码

用matlab实现黄金分割法求解f(x)=x^2-x+2在(-1,3)上的最小值:

clc,clear,close all;
a = -1; b =3;
ep = 0.08*(b-a);
x = a:0.1:b;
f_x = x.^2-x+2;
plot(x, f_x, 'linewidth', 1.5)
axis([-1, 3, 0, 8])
title('f(x)=x^2-x+2')
grid on;
flag = 0;
cnt = 0;
pause(0.5)
while 1fprintf('第%d次迭代:\n', cnt)if flag==0x2 = a + 0.618*(b-a);f2 = x2.^2-x2+2;x1 = a + b - x2;f1 = x1.^2-x1+2;fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)hold onstem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)elseif flag==1x1 = a + b - x2;f1 = x1.^2-x1+2;fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)stem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)elseif flag==2x2 = a + 0.618*(b-a);f2 = x2.^2-x2+2;fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)stem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)endif abs(b-a)<epxb = (a+b)/2;disp('最优解为:')fprintf('xb = %f, f(xb) = %f\n', xb, xb.^2-xb+2)disp('黄金分割法一维搜索完毕.')breakelseif f1<f2disp('f1<f2')b = x2;x2 = x1;f2 = f1;flag = 1;elseif f1==f2disp('f1=f2')a = x1;b = x2;flag = 0;elseif f1>f2disp('f1>f2')a = x1;x1 = x2;f1 = f2;flag = 2;endcnt = cnt + 1;
end
pause(0.5)
stem(xb, xb^2-xb+2, 'r', 'linewidth', 2)

代码运行有动态效果,这里就不再保存为GIF动图了,可以复制一键运行尝试:
在这里插入图片描述

命令行窗口结果打印:

0次迭代:
a = -1.000000, b = 3.000000
x1 = 0.528000, x2 = 1.472000, f1 = 1.750784, f2 = 2.694784
f1<f2
第1次迭代:
a = -1.000000, b = 1.472000
x1 = -0.056000, x2 = 0.528000, f1 = 2.059136, f2 = 1.750784
f1>f2
第2次迭代:
a = -0.056000, b = 1.472000
x1 = 0.528000, x2 = 0.888304, f1 = 1.750784, f2 = 1.900780
f1<f2
第3次迭代:
a = -0.056000, b = 0.888304
x1 = 0.304304, x2 = 0.528000, f1 = 1.788297, f2 = 1.750784
f1>f2
第4次迭代:
a = 0.304304, b = 0.888304
x1 = 0.528000, x2 = 0.665216, f1 = 1.750784, f2 = 1.777296
f1<f2
第5次迭代:
a = 0.304304, b = 0.665216
x1 = 0.441520, x2 = 0.528000, f1 = 1.753420, f2 = 1.750784
f1>f2
第6次迭代:
a = 0.441520, b = 0.665216
x1 = 0.528000, x2 = 0.579764, f1 = 1.750784, f2 = 1.756362
最优解为:
xb = 0.553368, f(xb) = 1.752848
黄金分割法一维搜索完毕.
>> 
更换匿名函数:

通过更改目标函数 f_x ,对自定义的目标函数进行一维搜索的代码:

clc,clear,close all;
a = -1; b =3;
ep = 0.08*(b-a);
x = a:0.1:b;
f_x = @(x)x.^2-3*x+2;
plot(x, f_x(x), 'linewidth', 1.5)
axis tight
tl = func2str(f_x);
title(tl(5:end))
grid on;
flag = 0;
cnt = 0;
pause(0.5)
while 1fprintf('第%d次迭代:\n', cnt)if flag==0x2 = a + 0.618*(b-a);f2 = f_x(x2);x1 = a + b - x2;f1 = f_x(x1);fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)hold onstem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)elseif flag==1x1 = a + b - x2;f1 = f_x(x1);fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)stem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)elseif flag==2x2 = a + 0.618*(b-a);f2 = f_x(x2);fprintf('a = %f, b = %f\n', a, b)fprintf('x1 = %f, x2 = %f, f1 = %f, f2 = %f\n', x1, x2, f1, f2)stem([x2, x1], [f2, f1], '--', 'linewidth', 0.8)pause(1)endif abs(b-a)<epxb = (a+b)/2;disp('最优解为:')fprintf('xb = %f, f(xb) = %f\n', xb, f_x(xb))disp('黄金分割法一维搜索完毕.')breakelseif f1<f2disp('f1<f2')b = x2;x2 = x1;f2 = f1;flag = 1;elseif f1==f2disp('f1=f2')a = x1;b = x2;flag = 0;elseif f1>f2disp('f1>f2')a = x1;x1 = x2;f1 = f2;flag = 2;endcnt = cnt + 1;
end
pause(0.5)
stem(xb, f_x(xb), 'r', 'linewidth', 2)

如果不想等待动画加载,ctrl+f, ctrl+r 把pause批量注释即可;
在这里插入图片描述

《最优化方法》教材上写成表的答案:

在这里插入图片描述

黄金分割法的一些性质

1、x1 = a+b-x2;
2、下一次迭代的区间长度是上一个区间长度的0.618倍;
3、如果f1<f2,则上一次迭代的x1, f1传给下一次迭代的x2, f2,
同理如果f1>f2,则上一次迭代的x2, f2传给下一次迭代的x1, f1;
4、迭代次数和求解精度取决于终止条件 ∣ b − a ∣ < ϵ |b-a|< \epsilon ba<ϵ ϵ \epsilon ϵ的大小。

这篇关于最优化方法——Matlab实现黄金分割法一维搜索的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/253167

相关文章

postgresql使用UUID函数的方法

《postgresql使用UUID函数的方法》本文给大家介绍postgresql使用UUID函数的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录PostgreSQL有两种生成uuid的方法。可以先通过sql查看是否已安装扩展函数,和可以安装的扩展函数

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

Java中Arrays类和Collections类常用方法示例详解

《Java中Arrays类和Collections类常用方法示例详解》本文总结了Java中Arrays和Collections类的常用方法,涵盖数组填充、排序、搜索、复制、列表转换等操作,帮助开发者高... 目录Arrays.fill()相关用法Arrays.toString()Arrays.sort()A

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

Nginx安全防护的多种方法

《Nginx安全防护的多种方法》在生产环境中,需要隐藏Nginx的版本号,以避免泄漏Nginx的版本,使攻击者不能针对特定版本进行攻击,下面就来介绍一下Nginx安全防护的方法,感兴趣的可以了解一下... 目录核心安全配置1.编译安装 Nginx2.隐藏版本号3.限制危险请求方法4.请求限制(CC攻击防御)

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、