Nelder-Mead算法适合变量数不是很多的方程求极值.
原理:Nelder-Mead法是利用多面体来逐步逼近最佳点x*.设函数变量为n维,则在n维空间里多面体有(n+1)个顶点.设x1,x2,...,xn+1为多面体的顶点,且满足:
f(x1)<=f(x2)<=...<=f(xn+1)
Nelder-Mead法试着将多面体中最差的顶点xn+1(也就是函数的最大点)以新的最佳点替代,来更新多面体,使之逼近最佳解.更新的设定方式有四种,分别是:反射,扩展,外收缩,内收缩.如果这四种方法都不适用,则进行变小步骤.
算法实现:
matlab里面有个函数叫做fminsearch就是用这个算法实现的 在matlab中编程实现Nelder-Mead算法为:Opt-Nelder.
功能:Nelder-Mead算法求无约束最优化解.
调用格式:[xo,fo]=Opt_Nelder(f,x0,TolX,TolFun,MaxIter).
其中,f为函数名;
x0为搜索初值;
TolX为最优值点间的误差阈值;
TolFun为函数的误差阈值;
xo为最优化点值;
fo为函数在点xo处的函数值;
算法程序分Nelder0.m和Opt-Nelder.m其中子程序Nelder0.m用于二维空间上的多边形最优化逼近.对于大于2维的情形,可以通过若干次二维迭代计算求出最优值.Opt-Nelder.m可求解若干维变量的最优化问题.
(1)Nelder0.m
function [xo,fo]=Nelder0(f,abc,fabc,TolX,TolFun,k) %二维空间中的多边形逼近 % f:函数名 % abc:二维空间三个顶点值 % fabc:三个顶点处的函数值 % TolX:最优点的误差阈值 % TolFun:最优点处的函数值的误差阈值 % k:最大迭代次数 %%%%确定三个顶点a,b,c并且按其函数值从小到大排列 [fabc,I]=sort(fabc);%将二维空间中的多边形三个顶点的函数值按从小到大排列 a=abc(I(1),:); b=abc(I(2),:); c=abc(I(3),:); fa=fabc(1); fb=fabc(2); fc=fabc(3); %%%%判断三点或三点函数值的距离是否小于给定阈值.若小于阈值则停止循环,得最优解x0=a fba=fb-fa; fcb=fc-fb; if k<=0 | abs(fba)+abs(fcb)<TolFun | abs(b-a)+abs(c-b)<TolX xo=a; fo=fa; else m=(a+b)/2; e=3*m-2*c; %扩展 fe=feval(f,e); if fe<fb c=e; fc=fe; else r=(m+e)/2; %反射 fr=feval(f,r); if fr<fc c=r; fc=fr; end if fr>=fb s=(c+m)/2; %内收缩 fs=feval(f,s); if fs<fc c=s; fc=fs; else b=m; c=(a+c)/2; %变小 fb=feval(f,b); fc=feval(f,c); end end end [xo,fo]=Nelder0(f,[a;b;c],[fa,fb,fc],TolX,TolFun,k-1); end
(2)Opt_Nelder.m
function [xo,fo]=Opt_Nelder(f,x0,TolX,TolFun,MaxIter) %Nelder-Mead法用于多维变量的最优化问题,维数>=2 % f:函数名 % abc:二维空间三个顶点值 % fabc:三个顶点处的函数值 % TolX:最优点的误差阈值 % TolFun:最优点处的函数值的误差阈值 % MaxIter:最大迭代次数
N=length(x0); if N==1 %一维情况,用二次逼近计算 [xo,fo]=Opt_Quadratic(f,x0,TolX,TolFun,MaxIter); return end S=eye(N); for i=1:N %自变量维数大于2时,重复计算每个子平面的情况 i1=i+1; if i1>N i1=1; end abc=[x0;x0+S(i,:);x0+S(i1,:)]; %每一个定向子平面 fabc=[feval(f,abc(1,:));feval(f,abc(2,:));feval(f,abc(3,:))]; [x0,fo]=Nelder0(f,abc,fabc,TolX,TolFun,MaxIter); if N<3 %二维情况不需重复 break; end end xo=x0;
检验:
f=inline('x(1)*(x(1)-5-x(2))+x(2)*(x(2)-4)','x'); x0=[0 4]; TolX=1e-4; TolFun=1e-9; MaxIter=100; [xN,fN]=Opt_Nelder(f,x0,TolX,TolFun,MaxIter)
xN =
4.6667 4.3333
fN =
-20.3333
很好很强大,看出其中的精髓思想了吗? 想想那个数学家与物理学家的故事.
|