共轭梯度优化器：此例程可让您优化大规模线性系统-matlab开发

% 这个例子演示了 conjgrad.m 的使用% conjgrad.m 的主要优点是它需要处理函数% 执行线性算子及其伴随的评估。 % 参数空间可以是多维的。 %% 示例 #1 - 矩阵求逆 % 生成条件良好的随机矩阵N = 128； [U,S,V]=svd(randn(N)); s=诊断（S）； A=U*diag(s+max(s))*V； b=randn(N,1); % 定义运算符及其伴随运算符 = @(x) A*x; 伴随 = @(x) A'*x; x0 = 零（大小（b））； res_limit = 1e-4; 最大步数 = 100； [x, Res] = conjgrad(x0, b, operator, adjoint, res_limit, max_steps); 情节（log10（Res））； %% 示例 #2 - 反卷积N = 128； % 卷积核是两个点。