話不多說，直接上干貨。這是基于MATLAB的源代碼，目標函數(shù)我選擇了一個二維函數(shù)，根據(jù)自己需求，更改目標函數(shù)，初始迭代點以及收斂精度

第一部分：目標函數(shù) ??根據(jù)自己需求，更改目標函數(shù)！！！

function y=ObjFun(x)

%目標函數(shù) 根據(jù)實際情況修改

%輸入?yún)?shù)x[x1,x2,...,xn];

%輸出參數(shù)y

%二維目標函數(shù)

y =60-10*x(1)-4*x(2)+x(1)*x(1)+x(2)*x(2)-x(1)*x(2);

end

第二部分：求解最優(yōu)步長函數(shù) ? 不需要更改！！！

function a=OptStep(x,S)

%一維搜索，求最優(yōu)步長

syms b

x=x+b.*S;

y=ObjFun(x);

Y=diff(y); %求導(dǎo)，導(dǎo)數(shù)為0的點，即為所求最優(yōu)步長

a=solve(Y==0);

a=double(a);

end

第三部分：主體程序，根據(jù)自己需求，更改函數(shù)中的初始迭代點，收斂精度，梯度，梯度的模以及里面的目標函數(shù)！！！

function [X,F]=GradientMethod

%梯度法，又稱為最速下降法

%X是最優(yōu)解

%F是最優(yōu)解函數(shù)值

%% 第一步：給定初始迭代點x，收斂精度err，k=1

k=1;

x(:,k)=[0;0];

err=0.001;

syms x1 x2

f=60-10*x1-4*x2+x1*x1+x2*x2-x1*x2; %目標函數(shù)

%% 第二步:計算梯度和模并取搜索方向

FG=gradient(f,[x1 x2]); %f的梯度

fg=sqrt(FG(1)^2+FG(2)^2); %梯度的模

while(1)

S=-double(subs(FG,[x1,x2],x(:,k)')); %搜索方向

%% 第三步:進行收斂判斷

fgvalue=double(subs(fg,[x1,x2],x(:,k)'));

if fgvalue<=err

X=x(:,k);

F=ObjFun(X);

break

else

%% 第四步求最優(yōu)步長以及求新迭代點

a=OptStep(x(:,k),S);

x(:,k+1)=x(:,k)+a.*S;

k=k+1;

end

end

end

ok，直接在命令窗口上運行 ?[X,F]=GradientMethod ? 就ok啦，看我不上傳到資源上，索要積分，直接公開代碼，點個贊，給個評論唄。

總結(jié)

以上是生活随笔為你收集整理的梯度算法的matlab程序,基于MATLAB的梯度法源代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。