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

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码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Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi