坐标上升算法(Coordinate Ascent)及C++编程实现
2014-03-26 17:55
218 查看
编程实现:
#include <iostream> using namespace std; #define f(x1,x2,x3) (-x1*x1-2*x2*x2-3*x3*x3+2*x1*x2+2*x1*x3-4*x2*x3+6) int main() { double x1=1; double x2=1; double x3=1; double f0=f(x1,x2,x3); double err=1.0e-10; while (true) { x1=x2+x3; x2=0.5*x1-x3; x3=1.0/3*x1-2.0/3*x2; double ft=f(x1,x2,x3); if (abs(ft-f0)<err) { break; } f0=ft; } cout<<"@author:郑海波 email:zhb931706659@126.com"<<endl; cout<<"\nmax{f(x1,x2,x3)}="<<f(x1,x2,x3)<<endl; cout<<"取得最大值时的坐标:\n(x1,x2,x3)=("<<x1<<","<<x2<<","<<x3<<")"<<endl; return 0; }
实验结果:
注意:求解函数的最小值的方法,与此方法基本相同。另外,该算法对初始值的选取不是非常敏感。对有些问题的求解非常适合。
源码下载:http://download.csdn.net/detail/nuptboyzhb/4909729
讨论:
第一:对于没有极大值和极小值的函数,本算法肯定计算不出来。但是,实际问题中,如果没有极大值或极小值,说明建立的模型是错误的。
第二:程序本身确实无法知道是最大值还是最小值,因为求解最大值和最小的方法一模一样,都是求偏导得到的。但是,对于很多实际问题,求解目标是明确的。
第三:函数有多个极大值和多个极小值的情况,或称为局部最小值(最大值),此时,算法的计算结果与初始值的选取有很大的关系,初始值离哪个局部最优值近,得到的结果就是这个局部最优值。为了尽可能地找到全局最优值,
可以随机选多组初始值进行迭代,然后再从中选取最优解。
相关文章推荐
- 坐标上升算法(Coordinate Ascent)及C++编程实现
- 坐标上升算法(Coordinate Ascent)及C++编程实现
- 坐标上升算法(Coordinate Ascent)及C++编程实现
- SVM求解之坐标上升算法(Coordinate Ascent)
- 坐标上升算法
- 无监督学习算法K-means算法总结与c++编程实现
- 无监督学习算法K-means算法总结与c++编程实现
- 转【STL学习】堆相关算法详解与C++编程实现(Heap)
- 润乾报表使用DIV层实现坐标差值的算法
- 润乾报表使用DIV层实现坐标差值的算法
- 无约束最优化算法-Newton法原理及c++编程实现
- 最长上升子序列问题 nlogn 实现算法的简述
- 【算法+OpenCV】图像极坐标变换及基于OpenCV的实现
- 无约束最优化算法-Newton法原理及c++编程实现
- 优化算法——坐标上升法
- clojure实现最长上升子序队列算法
- 润乾报表使用DIV层实现坐标差值的算法
- 无约束最优化算法-Newton法原理及c++编程实现
- 坐标上升法算法
- 坐标上升算法