本文主要是介绍一维搜索:0.618法,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!
0.618法又叫黄金分割法,适用于单峰函数,可以不连续。
1.算法步骤
|
2.代码示例
1.测试函数:
clc,clear
func = @(x) 2*x.^2 - x - 1; % 创建函数句柄
a1 = -1;
b1 = 1;
L = 0.01;
tic
[x state] = goldenRatio(func,a1,b1,L); %求解最小值
toc
% 画图展示
x = a1:0.01:b1;
y = 2*x.^2 - x - 1;
axis([-2 2 -10 10])
for k = 1:size(state,1)
figure(1)
plot(x,y,'b'); hold on
plot(state(k,[1 2]),func(state(k,[1 2])),'ro'); hold off
axis([-2 2 -4 4])
pause(0.4);
end
2.算法函数:
% goldenRatio 黄金分割法
% - 优点:不要求函数可微,且每次迭代只需计算一个函数值,计算量小,程序简单
% - 缺点:收敛速度慢
% Inputs:
% - func 要计算的函数的函数句柄
% - L > 0 精度
% - a1 搜索区间下限
% - b1 搜索区间上限
% Outputs:
% - res 返回func(x)的最小值
% - state 返回每次迭代的[a_k b_k lambda_k mu_k f1 f2] function [res,state] = goldenRatio(func,a1,b1,L)
%初始化
a_k = a1;
b_k = b1;
lambda_k = a1 + 0.382*(b1 - a1);
mu_k = a1 + 0.618*(b1 - a1);
f1 = func(lambda_k);
f2 = func(mu_k);count = 1;
while(true)%实际使用时可以去掉state和count,因为会影响运行速度state(count,:) = [a_k b_k lambda_k mu_k f1 f2]; count = count + 1;if(b_k - a_k < L) break;endif(f1 > f2)a_k = lambda_k;%b_k = b_k; lambda_k = mu_k;mu_k = a_k + 0.618*(b_k - a_k);f1 = f2;f2 = func(mu_k);else%a_k = a_k;b_k = mu_k;mu_k = lambda_k;lambda_k = a_k + 0.382*(b_k - a_k);f2 = f1;f1 = func(lambda_k);end
end
res = 0.5*(a_k + b_k);
end
3.搜索过程动图:
参考书目:《最优化理论与算法》陈宝林
这篇关于一维搜索:0.618法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!