上一篇文章介绍了修正牛顿法,修正牛顿法的缺点是收敛速度一般,所以为了使算法既不使用Hess阵,也要保证它的收敛速度,本文介绍共轭梯度法。共轭梯度法有超线性的收敛速度,算法结构简单,容易编程,并且不用计算Hess阵的优点。下面介绍共轭梯度法的算法步骤。
步0:确定精度e=(0~1),给定初始点x0,计算g0=f(x0),k=0
步1:若||gk||<=e,停止运算,输出xk作为最优解
步2:计算搜索方向dk:
若k=0,dk=-gk
若k>=1,dk= -gk+* 其中
步3:用Armijo精确线搜索技术确定搜索步长,具体步骤上一篇文章已经详细介绍。这里不再赘述。算了,还是写吧:
设置初始参数 ,=(0~1),=(0~0.5)
步长k=^mk,m的值从0开始
若满足不等式f(xk+ ^m*dk)<=f(xk)+*^m*gk'dk
则 mk=m,步长 k=^mk,若不满足上式,则m=m+1,直到满足上述不等式为止
步4:令Xk+1=xk+ k*dk,然后计算gk=f(xk+1),k=k+1,转步1
代码实现:
1.共轭梯度函数
function [x,val,k]=frcg(fun,gfun,x0)
%功能:用共轭梯度法求无约束问题 mini f(x)
%输入:fun,gfun分别是目标函数和梯度,x0是初始点
%输出:x,val分别是近似最优点和最优值,k表示迭代次数
k=0;
maxk=5000;
rho=0.6;
sigma=0.4;
e=1e-5;%精度
n=length(x0);
while(k<maxk)
g=feval(gfun,x0);%求梯度
itern=k-(n+1)*floor(k/(n+1));%用于重新开始
itern=itern+1;
%计算搜索方向
if(itern==1)
d=-g;
else
beta=(g'*g)/(g0'*g0);
d=-g+beta*d0;
gd=g'*d; %当搜索方向不是下降方向时,插入负梯度方向作为搜索方向
if(gd>=0.0)
d=-g;
end
end
if(norm(g)<=e) ,break;end
m=0;
mk=0;
while(m<20)
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+d*rho^mk;
val=feval(fun,x0);
g0=g;
d0=d;
k=k+1;
end
x=x0;
val=feval(fun,x);
end
2.fun函数
function f= fun(x)
%目标函数
f=100*(x(1)^2-x(2))^2+(x(1)-1)^2;
end
3.gfun函数
function g=gfun(x)
%目标函数的梯度
g=[400*x(1)*(x(1)^2-x(2))+2*(x(1)-1),-200*(x(1)^2-x(2))]';
end
4.主函数
%这个问题的精确值是x=(1,1)',f(x)=0;
clear all
clc
x0=[-1.2 1]';
[x,val,k]=frcg('fun','gfun',x0);
disp('迭代次数:k=')
disp(k)
disp(['最优解:x = '])
disp(x)
disp(['此时: f(x) = ',num2str(val)])