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

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

macOS无效Launchpad图标轻松删除的4 种实用方法

《macOS无效Launchpad图标轻松删除的4种实用方法》mac中不在appstore上下载的应用经常在删除后它的图标还残留在launchpad中,并且长按图标也不会出现删除符号,下面解决这个问... 在 MACOS 上,Launchpad(也就是「启动台」)是一个便捷的 App 启动工具。但有时候,应

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,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起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专