数学建模社区-数学中国

标题: 爬山算法 [打印本页]

---

作者: 2744557306    时间: 2024-4-26 15:44
标题: 爬山算法
使用爬山算法优化简单的数学函数

        假设我们需要找到函数 𝑓(𝑥)=−𝑥^2+4𝑥的最大值。这是一个具有单个局部最大值的简单抛物线函数。

6 A$ j5 m5 \4 _1 H( j/ T; S2 P, [9 t步骤 1: 定义目标函数

        首先，定义我们需要优化的函数。在MATLAB中，我们可以创建一个函数来计算给定x值的 𝑓(𝑥)。

1. function y = myFunction(x)
   
2.     y = -x^2 + 4*x;
   
3. end

复制代码

步骤 2: 实现爬山算法

        接着，实现爬山算法。我们从一个随机点开始，然后在每一步尝试移动到一个“邻居”点，如果那里的值更高，就移动到那里。

1. function [bestX, bestY] = hillClimbing(func, initialX, stepSize, numIterations)
   
2.     currentX = initialX;
   $ U- W7 @, g1 m* S- o6 S
3.     currentY = func(currentX);
   - C9 f. `  f' t1 u% B4 p
4.     for i = 1:numIterations
   1 _2 a5 a+ G3 w6 h4 W; K" t
5.         % 尝试在两个方向上移动
   
6.         newX = [currentX + stepSize, currentX - stepSize];
   
7.         newY = [func(newX(1)), func(newX(2))];
   
8. 
   
9.         % 找出最好的移动方向
   
10.         [maxY, idx] = max(newY);
    
11.         
    ( b5 i( i6 F/ n
12.         % 如果找到了更好的解，则更新当前解
    1 E4 n+ k+ d! @3 T
13.         if maxY > currentY
    ! C  d& P! L/ @8 h, h1 N
14.             currentX = newX(idx);
    7 \6 f; [5 N( ~: s. ^$ K! |
15.             currentY = maxY;
    * x0 q2 ?2 a8 s( ?( |9 i# c! a' K, \
16.         else
    
17.             % 如果没有更好的解，结束搜索
    
18.             break;
    4 S& a4 [+ J8 ~. F' M: {% a! E
19.         end
    
20.     end
    3 p. ~5 s, g7 `  O' p% b
21.     bestX = currentX;
    2 P3 i, t' G2 Z1 q3 k4 D9 V! V2 b
22.     bestY = currentY;
    
23. end
    
24. 
    
25. % 运行爬山算法
    0 ?; H3 x2 Z) Z" B3 {) T
26. initialX = 0; % 初始点
    
27. stepSize = 0.1; % 步长
    
28. numIterations = 100; % 迭代次数
    " @' ~2 K. [; S; {8 H1 [2 \
29. [bestX, bestY] = hillClimbing(@myFunction, initialX, stepSize, numIterations);

复制代码

步骤 3: 输出结果

        展示算法找到的最优解。

1. disp(['The maximum value of f(x) is found at x = ', num2str(bestX)]);
   ) W3 ?5 x  `5 f
2. disp(['The maximum value of f(x) is ', num2str(bestY)]);

复制代码

步骤 4: 可视化

        可视化函数和算法找到的最大值点，以更好地理解算法的行为。

1. x = 0:0.01:5;
   4 h6 c% v0 c5 E  A6 b
2. y = myFunction(x);
   5 m4 c. Y# L, u+ P' m% m- b
3. figure;
   
4. plot(x, y, 'b-', bestX, bestY, 'ro');
   2 w8 s0 l+ O, @. P
5. title('Function Optimization using Hill Climbing');
   
6. xlabel('x');
   4 X/ G9 U& M1 V1 }5 w, I. _
7. ylabel('f(x)');
   ) ?5 Z' F& ~" |3 b1 G3 w
8. legend('Function', 'Maximum Point');

复制代码

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5