随笔分类 -  最优化方法和Matlab程序设计

优化方法Python实现
拟牛顿法（Python实现）
摘要：拟牛顿法（Python实现） 使用拟牛顿法（BFGS和DFP），分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np # import tensorflow as tf d 阅读全文
posted @ 2021-12-30 11:55 里列昂遗失的记事本 阅读(1755) 评论(0) 推荐(0)
共轭梯度法（Python实现）
摘要：共轭梯度法（Python实现） 使用共轭梯度法，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np # import tensorflow as tf def gfun( 阅读全文
posted @ 2021-12-30 01:55 里列昂遗失的记事本 阅读(2293) 评论(0) 推荐(0)
阻尼牛顿法（Python实现）
摘要：阻尼牛顿法（Python实现） 使用牛顿方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np import tensorflow as tf def fun(x): 阅读全文
posted @ 2021-11-07 18:09 里列昂遗失的记事本 阅读(1467) 评论(0) 推荐(0)
最速下降法（Python实现）
摘要：最速下降法（Python实现） 使用最速下降法方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np import tensorflow as tf def fun(x 阅读全文
posted @ 2021-11-07 18:06 里列昂遗失的记事本 阅读(1948) 评论(0) 推荐(0)
最优化作业电子版
摘要：给定函数$f(x)=(6+x_1+x_2)^2+(2-3x_1-3x_2-x_1x_2)^2$，求在点$\hat{X}=(-4,6)^T$处的最速下降方向和牛顿方向 \[ f(x)=(6+x_1+x_2)^2+(2-3x_1-3x_2-x_1x_2)^2\\ \frac{\partial f}{\p 阅读全文
posted @ 2021-10-19 22:42 里列昂遗失的记事本 阅读(97) 评论(0) 推荐(0)
抛物线法
摘要：def f(x): return x ** 3 - 2 * x + 1 # 返回函数的值 def f1(s0, s1, s2): return (((s1 ** 2 - s2 ** 3) * f(s0) + (s2 ** 2 - s0 ** 2) * f(s1) + (s0 ** 2 - s1 ** 阅读全文
posted @ 2021-09-26 22:35 里列昂遗失的记事本 阅读(132) 评论(0) 推荐(0)
0.618法（最优化方法）Python实现
摘要：def fun(x): return x ** 3 - 2 * x + 1 def solve(a, b, epsilon): lamd = (5 ** 0.5 - 1) / 2 delta = b - a p = a + (1 - lamd) * (b - a) q = a + lamd * (b 阅读全文
posted @ 2021-09-26 20:17 里列昂遗失的记事本 阅读(854) 评论(0) 推荐(0)