matlab實現高斯牛頓演算法

❷ 用MATLAB編出牛頓迭代法的程序

%求方程x^3-sinx-12x+1=0的根。

N =1000;
x0=0;
x1=x0^3-sin(x0)-12*x0+1;
E=1.0e-6;%f=x*x*x+4*x*x-10=0,f1為f=x*x*x+4*x*x-10的一階導
k=1;

❸ 用matlab做，牛頓迭代法

syms x
f=x^x-10;
df=diff(f,x);

eps=1e-6;
x0=10;
cnt=0;
MAXCNT=200; %最大循環次數
while cnt<MAXCNT %防止無限循環
x1=x0-subs(f,x,x0)/subs(df,x,x0); %去掉這個分號,可以看到迭代過程.
if (abs(x1-x0)<eps)
break;
end
x0=x1;
cnt=cnt+1;
end
if cnt==MAXCNT
disp '不收斂'
else
vpa(x1,8)
end

❹ 用MATLAB體現牛頓高斯最優化方法

《應用最優化方法及MATLAB實現》系統講述如何將最優化方法實現為應用軟體。系統闡述了各種無約束和帶約束優化問題的計算方法和程序實現，內容包括：精確/非精確一維搜索、最速下降法、牛頓/擬牛頓法、共軛梯度法、單純形法、內點法、積極集法、序列二次規劃方法等。書中包含了必要的最優化理論知識，為得到最優化方法並用程序實現做准備。書中給出的許多應用優化技術是我們的最新研究成果，給出的優化程序是以專業編程技巧實現的最優化演算法。書中還給出了大量的例子和習題。《應用最優化方法及MATLAB實現》可作為高等院校自動化、控制、系統工程、工業工程、計算機、應用數學、經濟、管理、化工、材料、機械、能源等相關專業學生的教材，也可作為有關研究人員和工程技術人員的參考書。

❺ 牛頓迭代演算法的matlab程序

% 用牛頓下山法求解方程
function [x,k]=myfun_newton(f,x0,emg)
% f表示非線形方程
% x0迭代初值，此種方法是局部收斂，初值要選擇恰當
% emg是精度指標
% k,u分別表示迭代次數和下山因子
% d1表示非線形方程f在x0處的導數值
[f1,d1]=feval(f,x0);
k=1;
x(1)=x(0);
x(2)=x(1)-f1/d1;
while abs(f1)>emg
u=1;
k=k+1;
[f1,d1]=feval(f,x(k));
x(k+1)=x(k)-u*f1/d1;
while abs(f2)>abs(f1)
u=u/2;
x(k+1)=x(k)-u*f1/d1;
[f2,d2]=feval(f,x(k+1));
end
end
這個收斂速度快,建議給你用下

❻ Matlab上的牛頓迭代法 計算

原發布者:liuyihai060692
牛頓迭代演算法matlab程序1．牛頓迭代法描述：牛頓法求實系數高次代數方程f(x)=a0x^n+a1x^(n-1)+…+an-1x+an=0（an≠0）的在初始值x0附近的一個根。解非線性議程f(x)=0的牛頓法是把非線性方程線性化的一種近似方法。把f(x)在x0點附近展開成泰勒級數f(x)=f(x0)+(x－x0)fˊ(x0)+(x－x0)2+…取其線性部分，作為非線性方程f(x)=0的近似方程，則有f(x0)+fˊ(x0)(x－x0)=0設fˊ(x0)≠0則其解為x1=x0－f(x0)/fˊ(x0)再把f(x)在x1附近展開成泰勒級數，也取其線性部分作f(x)=0的近似方程。f(x1)≠0，若則得x2=x1－f(x1)/fˊ(x1)這樣，得到牛頓法的一個迭代序列xn+1=xn－f(xn)/fˊ(xn)（1）2．MATLAB函數說明Y=NEWTON_1(A,N,X0,NN,EPS1)輸入變數：ANX0NNn+1元素的一維實數組，輸入參數，按升冪存放方程系數。整變數，輸入參數，方程階數。實變數，輸入參數，初始迭代值。整變數，輸入參數，允許的最大迭代次數。EPS1實變數，輸入參數，控制根的精度。3．程序代碼：newton_1.mfunctiony=newton_1(a,n,x0,nn,eps1)x(1)=x0；b=1；i=1；while(abs(b)>eps1*x(i))i=i+1；x(i)=x(i-1)-n_f(a,n,x(i-1))/n_df(a,n,x(i-1))；b=x(i)-x(i-1)；if(i>nn)error(ˊnnisfullˊ)；return；endendy=x(i)；i程序中調兩個子函數n_f.m和n_df.m文件如下：n_f.m:functiony=n_f(a,n,x)%待求根的實數代數方程的函數y=0.0;fori=1:(

❼ 如何讓高斯-牛頓演算法用Matlab實現，有代碼嗎

function x=gauss_lie(A,b)
%採用高斯列主元法求解方程組Ax=b
n=length(b);
p=1:n;lu=A;
y=[];
for k=1:n
[c,i]=max(abs(lu(k:n,k)));
ik=i+k-1;
if ik~=k
m=p(k);p(k)=p(ik);p(ik)=m;
ck=lu(k,:);lu(k,:)=lu(ik,:);lu(ik,:)=ck;
end
if k==n
break;
end
lu(k+1:n,k)=lu(k+1:n,k)/lu(k,k);
lu(k+1:n,k+1:n)=lu(k+1:n,k+1:n)-lu(k+1:n,k)*lu(k,k+1:n);
end
l=diag(ones(n,1))+tril(lu,-1);
u=triu(lu);

y(1)=b(p(1));
for i=2:n
y(i)=b(p(i))-l(i,1:i-1)*y(1:i-1)';
end
x(n)=y(n)/u(n,n);
for i=n-1:-1:1
x(i)=(y(i)-u(i,i+1:n)*x(i+1:n)')/u(i,i);
end
x=x';

❽ matlab中牛頓法程序

x0,tol,N)%改了這里
%root是系統保留字。不推薦使用。可以用exist('root')命令測試
% Newton Method
% The first parameter f is a external function with respect to viable x.
% The second parameter df is the first order diffential function of fx.
% x0 is initial iteration point.
% tol is the tolerance of the loop.
% N is the maximum number of iterations.
x=x0;
f0=eval(f);df0=eval(df);
n=0;
disp(' [ n xn xn+1 fn+1 ]');
while n<=N
x1=x0-f0/df0;
x=x1;
f1=eval(f);
X=[n,x0,x1,f1];
disp(X);
if abs(x0-x1)<tol
fprintf('The procere was successful.\n')%改了這里
kk=X;%改了這里
return
else
n=n+1;
x0=x1;f0=f1;
end
end
if n==N+1
fprintf('the method failed after N iterations. '),
kk=0;%改了這里
end