最优控制中的最速下降法,若是求不出函数几乎函数梯度的解析表达式,最速下降法的程序该怎么样处理呢?
以下是我们平时用的最速下降法程序
function [x,val,k]=grad(fun,gfun,x0)
%功能: 用最速下降法求解无约束问题: min f(x)
%输入: x0是初始点, fun, gfun分别是目标函数和梯度
%输出: x, val分别是近似最优点和最优值, k是迭代次数.
maxk=5000; %最大迭代次数
rho=0.5;sigma=0.4;
k=0; epsilon=1e-5;
while(k¡maxk)
g=feval(gfun,x0); %计算梯度
d=-g; %计算搜索方向
if(norm(d)¡epsilon), break; end
m=0; mk=0;
while(m¡20) %Armijo搜索
if(feval(fun,x0+rho^m*d)¡feval(fun,x0)+sigma*rho^m*g’*d)
mk=m; break;
end
m=m+1;
end
x0=x0+rho^mk*d;
k=k+1;
end
x=x0;
val=feval(fun,x0);
%这里的fun是函数,f是函数,g是f函数的梯度,这里的f和g都有解析的表达式
function f=fun(x)
f=100*(x(1)^2-x(2))^2+(x(1)-1)^2;
function g=gfun(x)
g=[400*x(1)*(x(1)^2-x(2))+2*(x(1)-1), -200*(x(1)^2-x(2))]’; |