搜索资源列表
FR共轭梯度法与拟牛顿法计算机实现及仿真
- FR共轭梯度法与拟牛顿法计算机实现及仿真
FR
- 用c++写的共轭梯度法程序，有求在某点的梯度的函数，和偏导数-Using c++ to write the conjugate gradient method procedures, the gradient at some point demand function, and the partial derivatives
dcx
- 用FR共轭梯度法求解无约束最优化问题（c++）-With the FR conjugate gradient method for solving unconstrained optimization problems
FR
- 工程优化中用FR共轭梯度法求最值，采用的是教科书上的经典算法步骤，简单易懂，可以进行参考。-The most value engineering optimization using FR conjugate gradient method, using the classic steps of the algorithm in the textbook, easy to understand, you can reference.
FR
- 共轭梯度法的c程序，可解一维函数及多维函数，求其最优解-failed to translate
2
- FR共轭梯度法求非线性无约束最优化（函数极值）问题-FR conjugate gradient method for solving nonlinear unconstrained optimization (function extremum) problem
2
- FR共轭梯度法求非线性无约束最优化（函数极值）问题-FR conjugate gradient method for solving nonlinear unconstrained optimization (function extremum) problem
frcg
- 使用FR共轭梯度法求解无约束问题 输入包括初始点，目标函数和梯度 输出包括最优点和最优解，还有迭代次数-Use FR conjugate gradient method for solving unconstrained problems including initial entry points, the objective function and the gradient of the output, including
CG
- 共轭梯度法求解线性方程组,主要采用FR共轭梯度法-solve liner solutions from CG
frcg
- 共轭梯度法的matlab程序（FR共轭梯度法程序）-Conjugate Gradient
Conjugate-Gradient-Method(matlab)
- matlab程序，1文件功能用FR共轭梯度法求解无约束问题，2、3文件分别表示目标函数和梯度-matlab program, a file function with FR conjugate gradient method for solving unconstrained problems, 2,3 document represent the objective function and gradient
FR-HS
- 提供了FR和HS共轭梯度法的算法，编程是用matlab实现的-FR and HS provides a conjugate gradient method algorithm, programming is achieved using matlab
frcg
- FR共轭梯度法求解无约束优化问题，其中一维搜索用Armijo搜索。-Fletcher-Reeves method for optimization
conjugate-gradient-methods
- 用FR共轭梯度法求解无约束问题: min f(x)-By FR conjugate gradient method for solving unconstrained problem: min f (x)
FR
- 共轭梯度法，一种适合于研究生最优化方法课程的小程序，基于matlab的一个算例仿真-Conjugate gradient method, which is suitable for most graduate programs applet optimization, simulation based on a study of matlab
Conjugate-gradient-method
- 功能：用FR共轭梯度法求解无约束问题：min f(x) 输入：x0是初始点，fun,gfun分别是目标函数和梯度 输出：x,val分别是近似最优点和最优值，k是迭代次数-Features: use FR conjugate gradient method to solve the unconstrained problem: min f (x) input: x0 is the initial point, fun,
FR
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。-The Conjugate
FR共轭梯度法
- 共轭梯度法也就是共轭方向法的一种特殊形式，即初始搜索方向为梯度方向。其中根据β的不同又可细分为FR、PRP等方法，主要参考了文件夹中的四本书的内容对其进行总结。最优化算法本质上都是进行最小值的寻优，FR共轭梯度法也不例外。寻优的问题包括两个重要的方面，一个是方向，一个是步长。(Conjugate gradient method is a special form of conjugate direction method, that i
(FR共轭梯度法程序)
- 在共轭梯度法的实际使用中, 通常在迭代 ?? 步或 ?? + 1 步之后, 重新取负梯 度方向作为搜索方向, 我们称之为再开始共轭梯度法. 这是因为对于一般非二次 函数而言, ?? 步迭代后共轭梯度法产生的搜索方向往往不再具有共轭性. 而对于 大规模问题, 常常每 ??(?? < ?? 或 ?? ? ??) 步就进行再开始. 此外, 当搜索方向不 是下降方向时, 也插入负梯度方向作为搜索方向.(In the practic
Matlab optimization programming example
- 分别用最速下降法、FR共轭梯度法、DFP法和BFGS法求解一个典型数学优化问题。(A typical mathematical optimization problem is solved by steepest descent method, FR conjugate gradient method, DFP method and BFGS method respectively.)