matlab用最速下降法(梯度法)計算Rosenbrock函數(shù)，求程序代碼？Rosenbrock函數(shù)實現(xiàn)代碼：CLC，clear allformat long gx0=[00]樂趣=@funcgfun

matlab用最速下降法(梯度法)計算Rosenbrock函數(shù)，求程序代碼？

Rosenbrock函數(shù)實現(xiàn)代碼：CLC，clear allformat long gx0=[00]樂趣=@funcgfun=@gfunc[x，Val，k]=grad（fun，gfun，x0）%最速下降法（梯度法）目標函數(shù)f=func（x）f=100*（x（1）^2-x（2））^2（1-x（1））^2末級梯度函數(shù)g=gfunc（x）g=[400*x（1）*（x（1）^2-x（2））-x（2）2*（x（1） -200*（x（1）^2-x（2））]如果最終運行結(jié)果有任何問題，請向我發(fā)送私人消息。用GA（）得到的Rosenbrock函數(shù)的結(jié)果與用上述方法得到的結(jié)果接近。

最速下降法matlab程序?qū)崿F(xiàn)如何做？

最陡下降法是找到梯度。例如，求F=（X-Y）/（X^2 Y^2）在（-3，-2）處的梯度。Clcclear x=-3Y=-2 F=“（x-Y）/（x^2 Y^2）”FX=diff（F，“x”），求x的偏導數(shù)，F(xiàn)Y=diff（F，“Y”），求Y的偏導數(shù)，g=[FX FY]%梯度，g=subs（g）%，共軛梯度法是介于最速下降法和牛頓法之間的一種方法。它只需要利用一階導數(shù)信息，克服了最速下降法收斂速度慢的缺點，避免了牛頓法需要存儲和計算Hesse矩陣求逆的缺點。共軛梯度法不僅是求解大規(guī)模線性方程組最有用的方法之一，也是求解大規(guī)模非線性優(yōu)化問題最有效的算法之一。共軛梯度法最早由hestenes和stiefle（1952）提出，用于求解具有正定系數(shù)矩陣的線性方程組。在此基礎(chǔ)上，F(xiàn)letcher和Reeves（1964）首次提出了求解非線性優(yōu)化問題的共軛梯度法。由于共軛梯度法不需要矩陣存儲，且具有收斂速度快、二次終止等優(yōu)點，目前共軛梯度法在實際問題中得到了廣泛的應用。共軛梯度法是一種典型的共軛方向法，它的每個搜索方向都是相互共軛的，而這些搜索方向D只是負梯度方向和上一次迭代的搜索方向的組合，所以它的存儲量少，計算方便

~】應用優(yōu)化系統(tǒng)描述了如何將優(yōu)化方法作為應用軟件來實現(xiàn)。本文系統(tǒng)地介紹了各種無約束和有約束優(yōu)化問題的計算方法和程序?qū)崿F(xiàn)，包括：精確/不精確一維搜索、最速下降法、牛頓/擬牛頓法、共軛梯度法、單純形法、內(nèi)點法、活動集法、，序貫二次規(guī)劃法等書中包含了優(yōu)化的必要理論知識，為得到優(yōu)化方法和使用程序做準備。書中給出的許多應用程序優(yōu)化技術(shù)都是我們最新的研究成果。本書給出的優(yōu)化程序是一種通過專業(yè)編程技巧實現(xiàn)的優(yōu)化算法。這本書還提供了許多例子和練習。可作為高校自動化、控制、系統(tǒng)工程、工業(yè)工程、計算機、應用數(shù)學、經(jīng)濟、管理、化工、材料、機械、能源等相關(guān)專業(yè)學生的教材，也可作為科研人員和工程技術(shù)人員的參考書。