0


MATLAB:梯度下降法求解一元和多元函数极小值和极大值

梯度下降法,顾名思义即通过梯度下降的方法。对于一个函数而言,梯度是一个向量,方向是表示函数值增长最快的方向,而大小则表示该方向的导数。下面展示了用梯度下降法求解一元函数(x-1)^2的MATLAB代码:

syms x;

y = @(x)((x-1).^2); % 定义一元函数

dy = diff(y,x); % 一元函数导数

x = 7; % 梯度初始值

l = 0.1; % 梯度下降步长

err = inf; % 定义初始误差

Total_x = []; % 存储每次梯度下降的x值

Total_y = []; % 存储每次梯度下降的y值

i = 0;

while i <= 100

i = i + 1;

y1 = y(x); % 获取当前的函数值

x = x - l * double(subs(dy,x)); % 更新x

y2 = double(subs(y,x)); % 获取进行一次梯度下降后的函数值;

err = abs(y1-y2); % 求误差

Total_x = [Total_x;x]; % 收集梯度变化的x值

Total_y = [Total_y;y2]; % 收集梯度变化的y值

if err <= 10^-10 % 当函数值变化小于阈值时,跳出循环

break;

end

end

disp(Total_x); % 输出Total_x

%% 可视化过程

x = -5:0.1:7; % 设定x范围

figure;

plot(x,y(x)); % 绘制函数曲线图像

hold on; % 在函数曲线图像上,继续绘制图像

scatter(Total_x,Total_y); % 绘制散点图

title("y = (x-1)^2"); % 取标题

仿真结果如下:

下面展示了用梯度下降法求解二元函数(x-1)^{2}+(y-1)^{2}的MATLAB代码:

syms x y;

z = @(x,y)((x-1)^2+(y-1)^2); % 定义二元函数

dzx = diff(z,x); % 一元函数导数

dzy = diff(z,y);

x = 3; % x梯度初始值

y = 3; % y梯度初始值

subs(z,x,y)

l = 0.1; % 梯度下降步长

err = inf; % 定义初始误差

Total_x = []; % 存储每次梯度下降的x值

Total_y = []; % 存储每次梯度下降的y值

Total_f = []; % 存储每次梯度下降的z值

i = 0;

while i <= 100

i = i + 1;

c_f = z(x,y); % 获取进行梯度变化前的y值

x = x - l * double(subs(dzx,x)); % 更新x

y = y - l * double(subs(dzy,y));

n_f = z(x,y); % 获取进行梯度变化后的y值

err = abs(c_f-n_f); % 求误差

Total_x = [Total_x;x];

Total_y = [Total_y;y];

Total_f = [Total_f;n_f ];

if err <= 10^-10 % 当误差小于等于指定阈值时,跳出循环

break;

end

end

disp("Total_y");

x = -2:0.1:2; % 设定x范围

y = -2:0.1:2; % 设定y范围

[xx,yy]=meshgrid(x,y);

figure;

zz = (xx-1).^2+(yy-1).^2;

surf(xx,yy,zz); % 绘制函数曲线图像

hold on; % 在函数曲线图像上,继续绘制图像

scatter3(Total_x,Total_y,Total_f); % 绘制散点图

title("y = (x-1)^2+(y-1)^2"); % 取标题

仿真结果如下:

当然,梯度下降方法也可以求解最大值,例如:采用梯度下降法求解-(x-1)^{2}-(y-1)^{2}最大值的MATLAB代码如下:

syms x y;

z = @(x,y)(-(x-1)^2-(y-1)^2); % 定义二元函数

dzx = diff(z,x); % 一元函数导数

dzy = diff(z,y);

x = -3; % x梯度初始值

y = -3; % y梯度初始值

subs(z,x,y)

l = 0.1; % 梯度下降步长

err = inf; % 定义初始误差

Total_x = []; % 存储每次梯度下降的x值

Total_y = []; % 存储每次梯度下降的y值

Total_f = []; % 存储每次梯度下降的z值

i = 0;

while i <= 100

i = i + 1;

c_f = z(x,y); % 获取进行梯度变化前的y值

x = x + l * double(subs(dzx,x)); % 更新x

y = y + l * double(subs(dzy,y));

n_f = z(x,y); % 获取进行梯度变化后的y值

err = abs(c_f-n_f); % 求误差

Total_x = [Total_x;x];

Total_y = [Total_y;y];

Total_f = [Total_f;n_f ];

if err <= 10^-10 % 当误差小于等于指定阈值时,跳出循环

break;

end

end

disp("Total_y");

x = -2:0.1:2; % 设定x范围

y = -2:0.1:2; % 设定y范围

[xx,yy]=meshgrid(x,y);

figure;

zz = -(xx-1).^2-(yy-1).^2;

surf(xx,yy,zz); % 绘制函数曲线图像

hold on; % 在函数曲线图像上,继续绘制图像

scatter3(Total_x,Total_y,Total_f); % 绘制散点图

title("y = -(x-1)^2-(y-1)^2"); % 取标题

仿真结果如下:


本文转载自: https://blog.csdn.net/weixin_42068054/article/details/129591582
版权归原作者 萝卜青菜~ 所有, 如有侵权,请联系我们删除。

“MATLAB:梯度下降法求解一元和多元函数极小值和极大值”的评论:

还没有评论