共軛梯度法為求解線性方程組而提出。后來，人們把這種方法用于求解無約束最優(yōu)化問題，
使之成為一種重要的最優(yōu)化方法。
共軛梯度法的基本思想是把共軛性與最速下降方法相結合，
利用已知點處的梯度構造一組共
軛方向，
并沿這組方向進行搜索，
求出目標函數(shù)的極小點。
根據(jù)共軛方向的基本性質，
這種
方法具有二次終止性。
在各種優(yōu)化算法中，
共軛梯度法是非常重要的一種。
其優(yōu)點是所需存
儲量小，具有步收斂性，穩(wěn)定性高，而且不需要任何外來參數(shù)。
共軛方向
無約束最優(yōu)化方法的核心問題是選擇搜索方向
.
在本次實驗中
,
我們運用基于共軛方向的一種
算法
—
共軛梯度法
三．算法流程圖：
四．實驗結果：
(1).
實驗函數(shù)
f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+
1/3*(10*3.14159-3))^2;
給定初始點
(0,0,0)
，
k=1
，最
大迭代次數(shù)
n
?
?
d
確定搜索方向
進
退
法
確
定
搜
索
區(qū)
間
分割法確定最
優(yōu)步長
標簽：
MATLAB
梯度
程序
上傳時間：
2016-05-08
上傳用戶：saren11
