《非线性方程组的数值解法及最优化方法.pptx》由会员分享，可在线阅读，更多相关《非线性方程组的数值解法及最优化方法.pptx（74页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、非线性方程组的数值解法考虑如下方程组式中 均为 的多元函数，向量形式为其中第1页/共74页非线性方程组的数值解法当 ，并且 中至少有一个至少有一个是自变量 的非线性实函数非线性实函数时，称方程组 为非线性方程组非线性方程组。其求根问题就是确定方程组在指定范围内的一组解，可以通过对单个非线性方程求根问题的直接推广得到非线性方程组的求解算法。第2页/共74页非线性方程组的数值解法常用解法分为两类：一类是线性化方法线性化方法，将非线性方程组用一个线性方程组来近似，由此构造一种迭代公式，逐次逼近所求的解；另一类是属于求函数极小值求函数极小值的方法，即由非线性函数 构造一个模函数，例如构造函数然后通过各
2、种下降法下降法或优化算法优化算法求出模函数的极小值点，此极小值点即为非线性方程组的一组解。第3页/共74页非线性方程组的数值解法不动点迭代法不动点迭代法：根据非线性方程求根的迭代法，将方程组改写为如下等价方程组构造迭代公式选取初始向量则由迭代公式可以得到一个向量序列 。如果方程组有唯一解向量 ，并且 ，则 可作为逐次逼近 的近似解。第4页/共74页非线性方程组的数值解法如果把迭代公式写为向量形式并记矩阵 为则可以证明当 时，迭代公式是收敛的。第5页/共74页非线性方程组的数值解法例题例题1 1：用迭代法解如下非线性方程组取初值 。解解：构造迭代公式第6页/共74页非线性方程组的数值解法式中所以
3、有取初值 ，在 附近 ，所以迭代公式收敛。第7页/共74页非线性方程组的数值解法x10=0;x20=0;k=0;while 1 k=k+1;x1k=(1+x20-0.1*exp(x10)/4;x2k=(x10-x102/8)/4;%雅克比迭代法%x2k=(x1k-x1k2/8)/4;%高斯-赛德尔迭代法 err1=abs(x1k-x10);err2=abs(x2k-x20);err=max(err1,err2);if err=0.00000000005 break;end x10=x1k;x20=x2k;end第8页/共74页非线性方程组的数值解法0(0,0)1(0.2250,0)0.2250
4、2(0.2186919321,0.0546679688)0.05466796883(0.2325557961,0.0531784155)0.01386386404(0.2317490826,0.0556448880)0.00327046485(0.2325921368,0.0562589070)0.00084305416(0.2325180591,0.0564574373)0.00019853037(0.2325700285,0.0564399945)0.00005196948(0.2325640284,0.0564522316)0.00001223709(0.2325672770,0.056
5、4508188)0.000003248510(0.2325668213,0.0564515837)0.000000764918(0.2325670051,0.0564515197)19(0.2325670051,0.0564515197)第9页/共74页非线性方程组的数值解法上述迭代公式与求解线性方程组的雅克比迭代公式形式相同，可以对其进行改进，构造求解非线性方程组的高斯-赛德尔迭代公式，即对上例采用高斯-赛德尔迭代公式计算迭代计算过程如下表所示第10页/共74页非线性方程组的数值解法0(0,0)1(0.2250000000,0.0546679688)0.22502(0.2323589243,
6、0.0564025226)0.00735892433(0.2325613192,0.0564501808)0.00020239504(0.2325668498,0.0564514831)0.00000553055(0.2325670008,0.0564515487)0.00000015116(0.2325670050,0.0564515196)0.00000000417(0.2325670051,0.0564515197)0.00000000018(0.2325670051,0.0564515197)第11页/共74页非线性方程组的数值解法牛顿迭代法：根据求解非线性方程的牛顿迭代法，如果已经给
7、出方程组 的一个近似根 ，则可把函数 的分量 在 处按多元函数泰勒公式展开，取其线性部分做近似，得则得到线性方程组第12页/共74页非线性方程组的数值解法方程组的解为上式即为求解非线性方程组的牛顿迭代公式。式中称为 的雅克比矩阵雅克比矩阵。第13页/共74页非线性方程组的数值解法例题2：用牛顿迭代法求解下面非线性方程组计算时取初始值 。解：先求雅克比矩阵第14页/共74页非线性方程组的数值解法由牛顿迭代公式得到迭代计算过程如下表所示。第15页/共74页非线性方程组的数值解法X0=1.5;1;k=0;while 1 k=k+1;F=X0(1,1)+2*X0(2,1)-3;2*X0(1,1)2+X
8、0(2,1)2-5;Fd=1 2;4*X0(1,1)2*X0(2,1);Xk=X0-inv(Fd)*F;err=max(abs(Xk-X0);if err0.5 Pc=pp-beita*abs(ones(pNum,1)*mbest-Pc)*log(1/u);else Pc=pp+beita*abs(ones(pNum,1)*mbest-Pc)*log(1/u);end%适应度 for kk=1:pNum a1=abs(5*Pc(kk,1)+Pc(kk,2)-Pc(kk,3)-2*Pc(kk,4)+2);a2=abs(2*Pc(kk,1)+8*Pc(kk,2)+Pc(kk,3)+3*Pc(kk,
9、4)+6);a3=abs(Pc(kk,1)-2*Pc(kk,2)-4*Pc(kk,3)-Pc(kk,4)-6);a4=abs(-Pc(kk,1)+3*Pc(kk,2)+2*Pc(kk,3)+7*Pc(kk,4)-12);fitness(kk,1)=(a1+a2+a3+a4);end第67页/共74页智能计算及其在数值计算中的应用 for gn=1:pNum%限定范围 if Pc(gn,1)X1max Pc(gn,1)=2*X1max-Pc(gn,1);end%选择个体局部最优和全局最优 if fitness(gn,1)pBestf(gn,1)pBestp(gn,:)=Pc(gn,:);pBes
10、tf(gn,1)=fitness(gn,1);end if fitness(gn,1)gBestf gBestf=fitness(gn,1);gBestp=Pc(gn,:);end end Best(gm+1,1)=gBestf;Best(gm+1,2:pDim+1)=gBestp;end第68页/共74页智能计算及其在数值计算中的应用计算结果(1.0000,-2.0000,-1.0000,3.0000)91页例题3(非线性方程)：fitness(kk,1)=abs(Pc(kk,1)3-Pc(kk,1)2-1);计算结果:1.4656第69页/共74页非线性方程组：精确解为（4,3,1）智能计
11、算及其在数值计算中的应用第70页/共74页智能计算及其在数值计算中的应用for kk=1:pNum a1=abs(Pc(kk,1)Pc(kk,2)+Pc(kk,2)Pc(kk,1)-5*Pc(kk,1)*Pc(kk,2)*Pc(kk,3)-85);a2=abs(Pc(kk,1)Pc(kk,3)-Pc(kk,2)Pc(kk,3)-Pc(kk,3)Pc(kk,2);a3=abs(Pc(kk,1)Pc(kk,3)+Pc(kk,3)Pc(kk,1)-Pc(kk,2)-2);fitness(kk,1)=(a1+a2+a3);end计算结果(4.0000,3.0000,1.0000)第71页/共74页智能
12、计算及其在数值计算中的应用声线参数反演算例计算结果：最优适应度值对应的粒子数（万）计算时间（s）收敛次数最优适应度值137.627140.7920(2.0262,4.0334,143.6718,51.6699,0.0659,3.2888)5188.316261.0484e-6(2.0275,4.0376,143.8059,51.7189,0.0661,3.2889)10383.203392.2578e-10(2.0275,4.0378,143.8061,51.7189,0.0661,3.2889)18700.313505.5128e-16(2.0275,4.0378,143.8061,51.7
13、189,0.0661,3.2889)第72页/共74页参考文献：1 曾建潮，介婧，崔志华。微粒群算法。科学出版社，20042 施光燕，董加礼。最优化方法。高等教育出版社，19993 周明，孙树栋。遗传算法原理及应用。国防工业出版社，19994 张文修，梁怡。遗传算法的数学基础。西安交通大学出版社，20005 李守巨，刘迎曦，孙伟。智能计算与参数反演。科学出版社，20086 焦李成，杜海峰，刘芳，公茂果。免疫优化计算、学习与识别。科学出版社，20077 Sun J,Feng B,Xu WB.Particle swarm optimization with particles having quantum behavior.IEEE Con.Evolutionary Computation.2004:325-331P8 方伟，孙俊，谢振平 等.量子粒子群优化算法的收敛性分析及控制参数研究.物理学报，2010,59(6):3687-3694页9 杨坤德。水声阵列信号的匹配场处理。西北工业大学出版社，2008智能计算及其在数值计算中的应用第73页/共74页感谢您的观看！第74页/共74页