|
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。 2 o. |1 X- c0 b% `8 n- X! c! q* @
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)。  - function y = myFunction(x)% t+ a0 R7 }1 k( m% G P4 J' ~+ b
- y = -x^2 + 4*x;
- \\" ]& ~0 G9 S% e* w+ [
- end
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。  - function [bestX, bestY] = hillClimbing(func, initialX, stepSize, numIterations)
- / d5 o$ X, h5 f
- currentX = initialX;\\" m8 K5 G$ {; U8 |( }\\" t
- currentY = func(currentX);
- ) ?\\" }2 i/ k' o/ k% G3 v! L# a: \
- for i = 1:numIterations
- - c2 F0 e# \: H
- % 尝试在两个方向上移动
- * @. \( F* o1 g
- newX = [currentX + stepSize, currentX - stepSize];
- * I5 B: c# H ^
- newY = [func(newX(1)), func(newX(2))]; n! | Y( f0 s K/ Y( K
- 1 Z3 t5 C1 O# F) q1 ~
- % 找出最好的移动方向
- , x$ g8 W# z- W\\" k1 C
- [maxY, idx] = max(newY);; I3 s7 v8 z( u+ @; i
- 7 u, i0 L, x) b, M) C! S1 u/ P) z
- % 如果找到了更好的解,则更新当前解3 l. R+ w5 @7 |- H* L8 j
- if maxY > currentY
- 1 O2 q( s4 v0 a) t% k6 K6 ]! @
- currentX = newX(idx);
- 5 o' F7 Q' R4 g* H9 Z, f/ M6 f
- currentY = maxY;7 H7 z6 X/ ?. W# b
- else
- B4 M/ |6 o# g8 |* I2 J
- % 如果没有更好的解,结束搜索
- ! v2 U! M/ l/ s! i4 H
- break;2 n H* r9 k3 D+ ~ V
- end, w/ \$ `/ u3 {! o8 s3 [
- end
- 3 }2 C4 P. f* E9 I! d3 v( {
- bestX = currentX;- t8 t1 I9 Y; Z Y
- bestY = currentY;9 z, z t/ w; x' W
- end
- 0 _( p5 k) U5 ?' k8 D
-
- 7 E\\" w5 f& F3 x# \3 j+ I
- % 运行爬山算法
- 8 S; ~3 g2 `9 w$ G3 [$ N9 {
- initialX = 0; % 初始点8 h. e& e: O; ]) K! j; _7 L
- stepSize = 0.1; % 步长0 b: r& e' d9 C- W1 z1 c7 K8 U: D
- numIterations = 100; % 迭代次数
- # z) X, [; m; ?
- [bestX, bestY] = hillClimbing(@myFunction, initialX, stepSize, numIterations);
步骤 3: 输出结果 展示算法找到的最优解。 - disp(['The maximum value of f(x) is found at x = ', num2str(bestX)]);
) q ]6 S: O8 h6 \. k: Q - 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。  - x = 0:0.01:5;
- 9 k* Q: D! D6 z! j* G) B
- y = myFunction(x);
- . |; [% I$ X0 a3 i+ o: U% Q
- figure;2 g( V( w9 K& z$ j) s
- plot(x, y, 'b-', bestX, bestY, 'ro');
- # _: o2 l1 y) Q# w, X8 |2 Q
- title('Function Optimization using Hill Climbing');( A6 g- j# {, g' m
- xlabel('x');
- 5 O) b1 j4 ^1 |' o
- ylabel('f(x)');1 z2 S% h V! ^) s- v9 ~ O& S) n4 b! ?\\" C
- legend('Function', 'Maximum Point');
; y9 f$ G. R( P ?, _" q7 K) n# U% t |