大连理工大学优化方法上机大作业.docx
《大连理工大学优化方法上机大作业.docx》由会员分享,可在线阅读,更多相关《大连理工大学优化方法上机大作业.docx(24页珍藏版)》请在冰豆网上搜索。
大连理工大学优化方法上机大作业
2016年大连理工大学优化方法上机大作业
学院:
专业:
班级:
学号:
姓名:
上机大作业1:
1.最速下降法:
functionf=fun(x)
f=(1-x
(1))^2+100*(x
(2)-x
(1)^2)^2;
end
functiong=grad(x)
g=zeros(2,1);
g
(1)=2*(x
(1)-1)+400*x
(1)*(x
(1)^2-x
(2));
g
(2)=200*(x
(2)-x
(1)^2);
end
functionx_star=steepest(x0,eps)
gk=grad(x0);
res=norm(gk);
k=0;
whileres>eps&&k<=1000
dk=-gk;
ak=1;f0=fun(x0);
f1=fun(x0+ak*dk);
slope=dot(gk,dk);
whilef1>f0+*ak*slope
ak=ak/4;
xk=x0+ak*dk;
f1=fun(xk);
end
k=k+1;
x0=xk;
gk=grad(xk);
res=norm(gk);
fprintf('--The%d-thiter,theresidualis%f\n',k,res);
end
x_star=xk;
end
>>clear
>>x0=[0,0]';
>>eps=1e-4;
>>x=steepest(x0,eps)
2.牛顿法:
functionf=fun(x)
f=(1-x
(1))^2+100*(x
(2)-x
(1)^2)^2;
end
functiong=grad2(x)
g=zeros(2,2);
g(1,1)=2+400*(3*x
(1)^2-x
(2));
g(1,2)=-400*x
(1);
g(2,1)=-400*x
(1);
g(2,2)=200;
end
functiong=grad(x)
g=zeros(2,1);
g
(1)=2*(x
(1)-1)+400*x
(1)*(x
(1)^2-x
(2));
g
(2)=200*(x
(2)-x
(1)^2);
end
functionx_star=newton(x0,eps)
gk=grad(x0);
bk=[grad2(x0)]^(-1);
res=norm(gk);
k=0;
whileres>eps&&k<=1000
dk=-bk*gk;
xk=x0+dk;
k=k+1;
x0=xk;
gk=grad(xk);
bk=[grad2(xk)]^(-1);
res=norm(gk);
fprintf('--The%d-thiter,theresidualis%f\n',k,res);
end
x_star=xk;
end
>>clear
>>x0=[0,0]';
>>eps=1e-4;
>>x1=newton(x0,eps)
--The1-thiter,theresidualis
--The2-thiter,theresidualis
x1=
法:
functionf=fun(x)
f=(1-x
(1))^2+100*(x
(2)-x
(1)^2)^2;
end
functiong=grad(x)
g=zeros(2,1);
g
(1)=2*(x
(1)-1)+400*x
(1)*(x
(1)^2-x
(2));
g
(2)=200*(x
(2)-x
(1)^2);
end
functionx_star=bfgs(x0,eps)
g0=grad(x0);
gk=g0;
res=norm(gk);
Hk=eye
(2);
k=0;
whileres>eps&&k<=1000
dk=-Hk*gk;
ak=1;f0=fun(x0);
f1=fun(x0+ak*dk);
slope=dot(gk,dk);
whilef1>f0+*ak*slope
ak=ak/4;
xk=x0+ak*dk;
f1=fun(xk);
end
k=k+1;
fa0=xk-x0;
x0=xk;
go=gk;
gk=grad(xk);
y0=gk-g0;
Hk=((eye
(2)-fa0*(y0)')/((fa0)'*(y0)))*((eye
(2)-(y0)*(fa0)')/((fa0)'*(y0)))+(fa0*(fa0)')/((fa0)'*(y0));
res=norm(gk);
fprintf('--The%d-thiter,theresidualis%f\n',k,res);
end
x_star=xk;
End
>>clear
>>x0=[0,0]';
>>eps=1e-4;
>>x=bfgs(x0,eps)
4.共轭梯度法:
functionf=fun(x)
f=(1-x
(1))^2+100*(x
(2)-x
(1)^2)^2;
end
functiong=grad(x)
g=zeros(2,1);
g
(1)=2*(x
(1)-1)+400*x
(1)*(x
(1)^2-x
(2));
g
(2)=200*(x
(2)-x
(1)^2);
end
functionx_star=CG(x0,eps)
gk=grad(x0);
res=norm(gk);
k=0;
dk=-gk;
whileres>eps&&k<=1000
ak=1;f0=fun(x0);
f1=fun(x0+ak*dk);
slope=dot(gk,dk);
whilef1>f0+*ak*slope
ak=ak/4;
xk=x0+ak*dk;
f1=fun(xk);
end
k=k+1;
x0=xk;
g0=gk;
gk=grad(xk);
res=norm(gk);
p=(gk/g0)^2;
dk1=dk;
dk=-gk+p*dk1;
fprintf('--The%d-thiter,theresidualis%f\n',k,res);
end
x_star=xk;
end
>>clear
>>x0=[0,0]';
>>eps=1e-4;
>>x=CG(x0,eps)
上机大作业2:
functionf=obj(x)
f=4*x
(1)-x
(2)^2-12;
end
function[h,g]=constrains(x)
h=x
(1)^2+x
(2)^2-25;
g=zeros(3,1);
g
(1)=-10*x
(1)+x
(1)^2-10*x
(2)+x
(2)^2+34;
g
(2)=-x
(1);
g(3)=-x
(2);
end
functionf=alobj(x)%拉格朗日增广函数
%N_equ等式约束个数?
%N_inequ不等式约束个数
N_equ=1;
N_inequ=3;
globalr_alpena;%全局变量
h_equ=0;
h_inequ=0;
[h,g]=constrains(x);
%等式约束部分?
fori=1:
N_equ
h_equ=h_equ+h(i)*r_al(i)+(pena/2)*h(i).^2;
end
%不等式约束部分
fori=1:
N_inequ
h_inequ=h_inequ+pena)*(max(0,(r_al(i)+pena*g(i))).^2-r_al(i).^2);
end
%拉格朗日增广函数值
f=obj(x)+h_equ+h_inequ;
functionf=compare(x)
globalr_alpenaN_equN_inequ;
N_equ=1;
N_inequ=3;
h_inequ=zeros(3,1);
[h,g]=constrains(x);
%等式部分
fori=1:
1
h_equ=abs(h(i));
end
%不等式部分
fori=1:
3
h_inequ=abs(max(g(i),-r_al(i+1)/pena));
end
h1=max(h_inequ);
f=max(abs(h_equ),h1);%sqrt(h_equ+h_inequ);
function[x,fmin,k]=almain(x_al)
%本程序为拉格朗日乘子算法示例算法%函数输入:
%x_al:
初始迭代点
%r_al:
初始拉格朗日乘子N-equ:
等式约束个数N_inequ:
不等式约束个数?
%函数输出
%X:
最优函数点FVAL:
最优函数值
%============================程序开始================================
globalr_alpena;%参数(全局变量)
pena=10;%惩罚系数
r_al=[1,1,1,1];
c_scale=2;%乘法系数乘数
cta=;%下降标准系数
e_al=1e-4;%误差控制范围
max_itera=25;
out_itera=1;%迭代次数
%===========================算法迭代开始=============================
whileout_iterax_al0=x_al;
r_al0=r_al;
%判断函数?
compareFlag=compare(x_al0);
%无约束的拟牛顿法BFGS
[X,fmin]=fminunc(@alobj,x_al0);
x_al=X;%得到新迭代点
%判断停止条件?
ifcompare(x_al)disp('wegettheoptpoint');
break
end
%c判断函数下降度?
ifcompare(x_al)pena=1*pena;%可以根据需要修改惩罚系数变量
else
pena=min(1000,c_scale*pena);%%乘法系数最大1000
disp('pena=2*pena');
end
%%?
更新拉格朗日乘子
[h,g]=constrains(x_al);
fori=1:
1
%%等式约束部分
r_al(i)=r_al0(i)+pena*h(i);
end
fori=1:
3
%%不等式约束部分
r_al(i+1)=max(0,(r_al0(i+