matlab矩阵求和函数代码-Optimisation-of-solving-Norms:剑桥大学工程系实用优化课程第4年模块

matlab矩阵求和函数代码求解范数的优化 剑桥大学工程系实用优化课程第 4 年模块 此代码用于有关实际优化的第 4 年模块的课程作业。 特别是，它讨论了处理无约束优化问题的不同方法。 目标是使用三种不同的方法（梯度下降、共轭梯度和牛顿）逼近范数的解决方案。 它通过考虑效率（迭代和速度）来讨论理论参数的影响。 它分析了收敛速度对 epsilon 的依赖。 最后，它考虑了一种具有附加稀疏性约束的优化问题的启发式方法。 本文档中提供的所有代码都是我自己编写的，考虑到如何将无约束问题描述为矩阵代数的求和。 代码 职能 F1 是基本无约束优化问题的目标函数。 F2 是相同的目标函数，除了在 X+alpha * dk 处评估，即。 在考虑搜索方向后。 F3 是 F1 中的目标函数，但额外考虑了小误差 epsilon。 F4 是目标函数 F3，除了在 X+alpha * dk 处评估。 dk1 是函数的梯度 dk2 是函数的梯度，包括小误差 epsilon H1 是 Hessian，用于牛顿法 实验部分 1C 使用 Matlab 的内置 linprog 来计算 L1、L2 和 L-inf 范数。