无约束优化算法

2744557306

这段 MATLAB 代码演示了对 Rosenbrock 函数进行无约束优化的经典算法（fminunc）和遗传算法（ga）的比较。以下是对代码的注释和解释：
4 u, S' J; U7 S8 }clear all

$ f" P2 c; W# r$ `. {9 n% 如果rosenbrock.m文件不存在，显示提示
+ ~# A) e2 J2 L. f1 K; N: B& p" eif exist('rosenbrock.m') == 0                                       
    disp('没有为方程创建名为rosenbrock.m的函数文件，请建立它');
end

% 画出 Rosenbrock 函数的图像
- q9 ]: M5 Y3 Z' ?2 {[x, y] = meshgrid(-1:0.05:1, -1:0.05:1);
/ c) M4 S0 E+ _2 X- ^z = 100 * (y - x.^2).^2 + (1 - x).^2;
* l( A! K4 u0 Dsurf(x, y, z)

% 经典算法 - 使用 fminunc 函数
. P/ b$ m  t( w5 l[x1, fval1, exitflag1, output1] = fminunc('rosenbrock', [0, 0]);
$ M0 p0 y: M) a2 J. {! B% x1 为解
% fval1 为目标函数在 x1 处的值
% exitflag1 > 0 表示函数已收敛到 x1 处
% output1 中的 Iterations 表示迭代次数
% output1 中的 Algorithm 表示采用的算法
% output1 中的 FuncCount 表示函数评价次数
% H; w& t5 o4 j$ |4 B
8 Q) `4 q7 W& }+ ]% 遗传算法 - 使用 ga 函数
% 调整最大允许的代数为1万代，种群规模为200
options = gaoptimset('Generations', 10000, 'PopulationSize', 200);
% 设置两个变量，限制 0 <= x1, x2 <= 2
% {* q' m( e( x# I/ f1 [[x2, fval2, exitflag2, output2] = ga(@rosenbrock, 2, [1, 0; 0, 1; -1, 0; 0, -1], [2; 2; 0; 0], [], [], [], [], [], options);
% exitflag2 > 0 表示求解成功

3 S3 j- j7 Q7 Y1 \# C4 m% }此代码中，Rosenbrock 函数的图像被绘制，并使用两种不同的优化算法进行最小化：
! Q& O3 w9 F  e8 R3 k& E, \
1.经典算法（fminunc）：使用 fminunc 函数进行优化，该函数是 MATLAB 中进行无约束优化的经典算法之一。
2.遗传算法（ga）：使用 ga 函数进行优化，该函数实现了遗传算法，用于寻找参数的最优解。
% N# y/ }% x- [
在遗传算法中，通过 gaoptimset 函数设置了一些参数，如最大允许的代数和种群规模。 @rosenbrock 表示优化的目标是 Rosenbrock 函数。最后，结果和统计信息被存储在不同的变量中，可以通过这些变量来获取优化结果和算法的性能信息。


4 t8 a* o+ e( {) a& s0 e: @实验结果如下：

* M0 c+ A/ D+ Y
$ @8 Y4 p" R. u2 a: ]  L3 R7 \