|
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。
& H. V% ? m* o2 e* l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)
- 7 l2 g+ u% W2 m
- y = -x^2 + 4*x;
- 6 v1 B& z4 k! Y( |4 g8 w3 q3 `! d
- 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)3 `5 z8 i- M) k
- currentX = initialX;
- 2 {6 H# d; m' w# F
- currentY = func(currentX);
- 7 a1 e& K! R Y# `\\" \' \$ V
- for i = 1:numIterations4 N6 {8 [\\" d+ ^% D, E$ y
- % 尝试在两个方向上移动( M6 k( C\\" x: y- q, T
- newX = [currentX + stepSize, currentX - stepSize];
- ; Q4 w! j7 I+ x4 K( k0 q% y
- newY = [func(newX(1)), func(newX(2))];% t) r1 _0 i, ~9 R' W
-
- 1 ]7 W+ Y$ j' \/ ^/ b3 r) @
- % 找出最好的移动方向7 r1 ^0 Y. [/ t
- [maxY, idx] = max(newY);4 T9 ~% A f0 o2 n! L' r) ]$ m
-
- 6 r- @& g8 v9 P& {/ J+ r: ]' j) l
- % 如果找到了更好的解,则更新当前解
- 5 c1 b6 w9 z\\" c9 d- D& t
- if maxY > currentY! ?) m/ B5 _ A( e9 E0 L# I
- currentX = newX(idx);
- 5 g+ @1 t- h$ O2 ^, o5 \5 ^3 J& s
- currentY = maxY;/ w( x o2 E. I
- else2 e\\" i; s2 k) F% `, J8 t; V7 w
- % 如果没有更好的解,结束搜索
- , M6 M5 D; V- |( X' \- g
- break;6 M& c: g\\" a# V- V. [2 E, x
- end. B. G7 h' ?- j# n. n! W
- end/ \2 J- l3 d5 h4 |8 I: k \
- bestX = currentX;' C+ }\\" f- N\\" p% ~+ h
- bestY = currentY;# z4 ]: }# G- B+ H
- end
- 8 \. C @# P' Q- M% u$ A: b/ h' ^
-
- . T( @\\" W L' p& y# Y9 D+ w: w
- % 运行爬山算法
- / O2 d: p4 r9 \/ Z
- initialX = 0; % 初始点' X4 b; W* U, W\\" n+ a; d
- stepSize = 0.1; % 步长7 V& w; x1 u\\" j! m. d; J$ K# _
- numIterations = 100; % 迭代次数
- ' \1 U9 o% L c# E* h
- [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)]);
9 O& Y; s W- A+ K7 [ - 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;4 P V7 M8 l0 q* g2 T1 ]( T
- y = myFunction(x);
- 4 U5 G6 j) y6 m' a
- figure;
- # f4 a- P: L4 ~1 q' h# q
- plot(x, y, 'b-', bestX, bestY, 'ro');9 w) _8 R' D! s) K' G
- title('Function Optimization using Hill Climbing');. C\\" v+ a# Q, i; g) ?! e
- xlabel('x');
- + C* |$ h2 f% e* a+ E+ W2 A4 v
- ylabel('f(x)');4 C6 r. Z2 ^* L: K# f. ~, I
- legend('Function', 'Maximum Point');
% a0 O7 C! l5 Q; k
|