共轭梯度法

共轭梯度法

1.算法思想：

共轭梯度法是利用目标函数梯度逐步产生共轭方向作为线搜索方向的方法，每次搜索方向都是在目标函数梯度的共轭方向，搜索步长通过一维极值算法确定。

2.算法步骤：

nminf(x),xR用共轭梯度法求无约束极值问题的算法步骤如下：

(0)（1） 给定初始点x，及精度0；

（2） 若

f(x(0))，停止，极小值点为x，否则转步骤（3）；

(0)(0)(0)pf(x)，且置k0； （3） 取

（4） 用一维搜索法求，使得转步骤5；

tkf(x(k)tkp(k))minfx(k)tp(k)t0，令，

x(k1)x(k)tkp(k)，

（5） 若

f(x(k1))，停止，极小值点为x(k1)，否则转步骤（6）；

(0)(n)（6） 若k1n，令xx，转步骤（3），否则转步骤（7）；

22（7） 令p(k1)f(x(k1))kp(k)kf(x(k1))f(x(k))，，置kk1，转步骤（4）。

3.算法源程序：

#include

#include

#define N 10

#define eps pow(10,-6)

double f(double x[],double p[],double t)

{

double s;

s=pow(x[0]+t*p[0],2)+25*pow(x[1]+t*p[1],2);

return s;

}

/*以下是进退法搜索区间源程序*/

void sb(double *a,double *b,double x[],double p[])

{

double t0,t1,t,h,alpha,f0,f1;

int k=0;

t0=2.5; /*初始值*/

h=1; /*初始步长*/

alpha=2; /*加步系数*/

f0=f(x,p,t0);

t1=t0+h;

f1=f(x,p,t1);

while(1)

{

if(f1{

h=alpha*h; t=t0;

t0=t1; f0=f1;

k++;

}

else

{

if(k==0)

{h=-h;t=t1;}

else

{

*a=t*b=t>t1?t:t1;

break;

}

}

t1=t0+h;

f1=f(x,p,t1);

}

}

/*以下是黄金分割法程序源代码*/

double hjfg(double x[],double p[])

{

double beta,t1,t2,t;

double f1,f2;

double a=0,b=0;

double *c,*d;

c=&a,d=&b;

sb(c,d,x,p);/*调用进退法搜索区间*/

printf(\"\\nx1=%lf,x2=%lf,p1=%lf,p2=%lf\

printf(\"\\n[a,b]=[%lf,%lf]\

beta=(sqrt(5)-1.0)/2;

t2=a+beta*(b-a); f2=f(x,p,t2);

t1=a+b-t2; f1=f(x,p,t1);

while(1)

{

if(fabs(t1-t2)break;

else

{

if(f1{

t=(t1+t2)/2;

b=t2; t2=t1;

f2=f1; t1=a+b-t2;

f1=f(x,p,t1);

}

else

{

a=t1; t1=t2;

f1=f2;

t2=a+beta*(b-a);

f2=f(x,p,t2);

}

}

}

t=(t1+t2)/2;

return t;

}

/*以下是共轭梯度法程序源代码*/

void gtd()

{

double x[N],g[N],p[N],t=0,f0,mod1=0,mod2=0,nanda=0;

int i,k,n;

printf(\"请输入函数的元数值n=\");

scanf(\"%d\

printf(\"\\n请输入初始值:\\n\");

for(i=0;iscanf(\"%lf\

f0=f(x,g,t);

g[0]=2*x[0]; g[1]=50*x[1];

mod1=sqrt(pow(g[0],2)+pow(g[1],2));/*求梯度的长度*/

if(mod1>eps)

{

p[0]=-g[0]; p[1]=-g[1]; k=0;

while(1)

{

t=hjfg(x,p);/*调用黄金分割法求t的值*/

printf(\"\\np1=%lf,p2=%lf,t=%lf\

x[0]=x[0]+t*p[0]; x[1]=x[1]+t*p[1];

g[0]=2*x[0]; g[1]=50*x[1];

/*printf(\"\\nx1=%lf,x2=%lf,g1=%lf,g2=%lf\

mod2=sqrt(pow(g[0],2)+pow(g[1],2)); /*求梯度的长度*/

if(mod2<=eps) break;

else

{

if(k+1==n)

{

g[0]=2*x[0]; g[1]=50*x[1];

p[0]=-g[0]; p[1]=-g[1]; k=0;

}

else

{

nanda=pow(mod2,2)/pow(mod1,2);

printf(\"\\nnanda=%lf,mod=%lf\

p[0]=-g[0]+nanda*p[0];

p[1]=-g[1]+nanda*p[1];

mod1=mod2;

k++;

}

}

printf(\"\\n--------------------------\");

}

}

printf(\"\\n最优解为x1=%lf,x2=%lf\

printf(\"\\n最终的函数值为%lf\

}

main()

{

gtd();

}

4.运行结果:

5.结论与总结：

通过这次运筹学的课程设计，，从中让我学到了很多知识，对共轭梯度法的设计与实现有了进一步的认识，搜索方向都是在目标函数梯度的共轭方向，搜索步长通过一维极值算法确定，本次课程设计通过上网查找和在图书馆查找相关资料但从中还有很多不足之处，在日后的学习中不断完善。

6.参考文献；

[1]戴彧虹，袁亚湘.非线性共轭梯度法[M].上海：上海科学技术出版社，2000

[2] 戴彧虹，袁亚湘.广义Wolfe线搜索下Fletcher-Reeves方法收敛性[J].高等学校计算

数学报,1996(2):142-148

[3] 戚后铎，韩继业，刘光辉.修正Hestenes-Stiefel共轭梯度法[J].数学年刊,1996,17A(3):177-284

[4]焦宝聪,陈兰平.Glostein线搜索下混合共轭梯度法的全局收敛性[J].计算数学

[5] 焦宝聪,陈兰平.三项混合共轭梯度算法及其收敛性[J].运筹学学报，2007，11（2）：83，90