基于共轭梯度法求解含两个变量的二次方程附matlab代码.zip资源-CSDN文库

共2个文件

png：1个

m：1个

版权申诉

95 浏览量 2023-08-31 20:29:58 上传评论收藏 21KB ZIP 举报

1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 3.内容：标题所示，对于介绍可点击主页搜索博客 4.适合人群：本科，硕士等教研学习使用 5.博客介绍：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可si信 %% 开发者：Matlab科研助手 %% 更多咨询关注天天Matlab微信公众号 ### 团队长期从事下列领域算法的研究和改进： ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面（单目标和多目标）** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究（TSP、TSPTW） 1.3.2 各类车辆路径规划问题研究（vrp、VRPTW、CVRP） 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别（新能源、国内外、复杂环境下车牌） 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别（字母、数字、手写体、汉字、验证码） 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位（Dv-Hop定位优化、RSSI定位优化） ##### 6.2 无线传感器覆盖优化 ##### 6.3 无线传感器通信及优化（Leach协议优化） ##### 6.4 无人机通信中继优化（组播优化）

资源推荐

资源详情

资源评论

收起资源包目录

基于共轭梯度法求解含两个变量的二次方程附matlab代码.zip （2个子文件）

基于共轭梯度法求解含两个变量的二次方程附matlab代码

1.png 20KB

Conjugate_Gradient.m 2KB

% Fletcher-Reeves Method or Conjugate Gradient Method: % Written by Soumitra Sitole % Date: Mar 5, 2017 clc clear format long close all % Function Definition (Enter your Function here): syms X Y; f = X - Y + 2*X^2 + 2*X*Y + Y^2; % Initial Guess: x(1) = 1; y(1) = -5; e = 10^(-8); % Convergence Criteria i = 1; % Iteration Counter % Gradient Computation: df_dx = diff(f, X); df_dy = diff(f, Y); J = [subs(df_dx,[X,Y], [x(1),y(1)]) subs(df_dy, [X,Y], [x(1),y(1)])]; % Gradient S = -(J); % Search Direction % Minimization Condition: while norm(S) > e I = [x(i),y(i)]'; syms h; % Step size g = subs(f, [X,Y], [x(i)+S(1)*h,y(i)+h*S(2)]); dg_dh = diff(g,h); h = solve(dg_dh, h); % Optimal Step Length x(i+1) = I(1)+h*S(1); % New x value y(i+1) = I(2)+h*S(2); % New y value J_old = [subs(df_dx,[X,Y], [x(i),y(i)]) subs(df_dy, [X,Y], [x(i),y(i)])]; i = i+1; J_new = [subs(df_dx,[X,Y], [x(i),y(i)]) subs(df_dy, [X,Y], [x(i),y(i)])]; % Updated Gradient S = -(J_new)+((norm(J_new))^2/(norm(J_old))^2)*S; % New Search Direction end % Result Table:` Iter = 1:i; X_coordinate = x'; Y_coordinate = y'; Iterations = Iter'; T = table(Iterations,X_coordinate,Y_coordinate); % Plots: fcontour(f, 'Fill', 'On'); hold on; plot(x,y,'*-r'); % Output: fprintf('Initial Objective Function Value: %d\n\n',subs(f,[X,Y], [x(1),y(1)])); if (norm(S) < e) fprintf('Minimum succesfully obtained...\n\n'); end fprintf('Number of Iterations for Convergence: %d\n\n', i); fprintf('Point of Minima: [%d,%d]\n\n', x(i), y(i)); fprintf('Objective Function Minimum Value: %d\n\n', subs(f,[X,Y], [x(i),y(i)])); disp(T)

评论收藏

内容反馈

版权申诉