鲍威尔算法matlab

❶ 地震反射层析成像

在已知反射波到达时间的情况下，根据费马原理，可以导出求解射线端点的方程组。按照史蒂文的算法，设震源位置为(x₀，y₀，z₀)，接收点位置为(x_n，y_n，z_n)，v₁和v_n为震源和接收点处介质的速度。如果把地层分为n/2层，各层内速度均匀，界面与射线的交点坐标为(x_i，y_i，z_i)，各界面将反射波射线分成几个直线段。如图13-3-1所示，四个地层的三个分界面把反射波射线分成八个直线段。反射波的旅行时间可表示为

物探数字信号分析与处理技术

根据费马原理，波沿射线传播时旅行时间最短，即旅行时间t满足

物探数字信号分析与处理技术

式(13-3-2)是(2n-2)个关于射线端点坐标(x_i，y_i，z_i)的非线性方程组。为了求解方程，将介质模型简化。假定界面可用多项式表示，即

物探数字信号分析与处理技术

式中:d_i为i界面的平均深度;L为界面数;f为多项式。若界面比较圆滑，f取三阶左右，此时方程(13-3-2)可得到简化。用鲍威尔算法及广义线性反演迭代可求解方程(13-3-2)。

假设地下构造和速度模型如图13-3-2所示，用层析的方法，把虚射点上O^*当作射点来确定速度，并根据此速度做波动方程偏移来修正反射界面的形态，然后再做层析处理求速度，如此反复迭代，直到得到比较正确的速度和深度为止。

图13-3-1 反射波射线的分段

图13-3-2 构造与速度模型

进行反射层析处理时首先需要输入测线下方的初始速度和深度模型，并从CDP道集中拾取反射时间。每个拾取的反射波时间与一个CDP点、一个炮检距和一个层位相对应，对其进行层析处理，直到修改后模型的旅行时与实测旅行时之差为最小，最终输出经修正的速度-深度模型。层析成像法得出的深度剖面的准确度高于常规叠加时间剖面。

图13-3-3和图13-3-4为三板溪水电站边坡溃屈体上用各种方法处理两条地震剖面的结果对比。

图13-3-3 P3剖面各种方法处理结果对比

图13-3-4 S1剖面各种方法处理结果对比

在S1剖面上，钻孔ZK4测定的溃屈体厚度为38m，反射层析成像法求出的第一层速度为880m/s，第二层速度为1600m/s。根据地质资料，第一层属全风化层，第二层属强风化层，共同构成了溃屈体。在ZK4处，计算的溃屈体深度是37m，二者相差1m，误差为2.6%。

图13-3-3是溃屈体上布置的另一条反射观测剖面，同时开展了地震折射勘探。在两剖面相交处反演结果见表13-3-1。

表13-3-1 反射层析成像法在两剖面交会处的反演结果

由表中数据可见，第一、第二层处的速度和深度相差均较小，第三层深度相差偏大。经分析认为，这主要由第三层的走时误差所引起。

由反射层析成像法、折射法和常规反射法对P3剖面和S1剖面处理的结果示于图13-3-3和图13-3-4。各结果之间的差异主要是由于工作方法、处理手段、观测点距等影响所致。与常规反射波法相比，地震反射层析成像法具有计算量小、运算速度快的特点。由于是用叠前记录数据，使反演结果更细致、可靠，计算精度高。地震反射层析成像法适用于水平层状和弯曲界面地层，能对多层介质进行反演计算。

如有条件，剖面反射层析与井间透射层析联合反演结果将会更好。另外，剖面反射层析的资料结果的正确性，主要与各层反射波走时的拾取有很大关系。野外工作中，在最佳窗口范围内应尽量减小偏移距，炮间距不易过大。

❷ 鲍威尔方法是什么

鲍威尔方法是鲍威尔于1964年提出的，以后又经过他本人的改进。该方法是一种有效的共轭梯度方向法，它可以在有限步内找到二次函数的极小点。对于非二次函数只要具有连续的二阶导数，用这种方法也是有效的。

算法：在每一轮迭代中总是有一个始点（第一轮的始点是任选的初始点）和n个线形独立的搜索方向。从初始点出发顺次沿n个方向作一维搜索得到终点。由始点和终点决定了一个新的搜索方向。判断原向量是否需要用新的搜索方向替换。如需替换，还要进一步判断原向量组中那个向量最坏，然后再用新产生的向量替换这个最坏的向量，以保证逐次生成共轭方向。

❸ 鲍威尔共轭方向法求解无约束优化问题之MATLAB实现

题目好像科幻武侠小说中的一章

❹ 鲍威尔方法的基本算法与改进算法的区别

鲍威尔基本算法的问题在于，可能发生退化问题，具体而言就是可能在某一环迭代中出现基本方向组线性相关的情况，这种情况下按新方向替代第一个方向的方法进行替换，就会导致搜索在降维的空间中进行，无法得到原本n维空间的函数极小值，计算将失败。

而改进的方法和原来方法本质区别在于替换方向的规则不同。改进的方法，能够保证每轮迭代中搜索方向都线性无关，而且随着迭代的延续，共轭的程度会逐渐增加。

具体展开比较复杂，简单来说就是每次产生了新生方向，都要判断一下这个方向好不好，如果不好就不换进来；如果觉得这个方向好，就看一下旧方向中哪个函数下降量最大，把这个下降量最大的方向替换掉。

❺ 用matlab写个powell优化算法的程序，目标函数是多元的，而寻找最优步长时只针对一元函数， 怎么二元转一元

obj=@(lam)f(x0+s*lam);试试这个，希望对你有所帮助

❻ 工程优化设计与MATLAB实现的其他图书

书名：工程优化设计与MATLAB实现（修订版）
书号：9787302266082
作者：张永恒等
定价：34元
出版日期：2011-9-5
出版社：清华大学出版社
内容简介
本书以工程实例为背景，以MATLAB语言为工具，较全面地介绍了优化设计的理论及应用。本书主要内容包括：优化设计基本模型；优化设计数学基础知识；一维搜索方法；无约束优化问题、有约束优化问题的经典算法；启发式优化算法，包括蚁群优化、粒子群优化算法、遗传算法、模拟退火算法、禁忌算法和人工神经网络算法；MATLAB优化工具箱函数及应用；优化算法工程应用实例及MATLAB基础知识。书中配有完整的MATLAB程序。本书可作为高等工科院校有关专业优化设计方面课程的教材和教学参考书，也可供有关专业的师生和工程技术人员参考。
前言
优化设计是一门古老而新兴的理论，既有着很强的应用背景，又有着坚实的数学基础。它的数学基础可以追溯到牛顿（Newton,1642-1727) 、莱布尼茨（W.Leibniz,1646-1716）创立的微积分理论。优化设计与运筹学有着密切的联系，前者是后者在非线性规划方向的延伸和发展。优化设计主要研究连续函数在有约束和无约束条件下单目标函数或多目标函数的最优值问题，而运筹学主要研究经济活动和军事活动中能用数量来表达的有关策划、管理方面的问题。随着科学技术和生产的发展，运筹学已渗入到多个领域，其本身也在不断发展，包含了多个数学分支，如数学规划（又包含线性规划、非线性规划、整数规划、组合规划等）、图论、网络流、决策分析、排队论、可靠性数学理论、库存论、对策论、搜索论、模拟等。在运筹学方面，我国着名科学家钱学森、许国志、数学家华罗庚等作出了重要贡献。1956年钱学森和许国志共同创建了中国第一个运筹学研究组织。从20世纪60年代开始，华罗庚持续近20年在全国范围内推广优选法和统筹法，产生了巨大的经济效益。其中优选法采用的黄金分割搜索方法也是优化设计中一维搜索常用的一种方法。各种启发式（heuristic）算法或智能算法，如遗传算法、蚁群算法、粒子群算法、神经网络算法等不但能解决连续函数的优化问题，也能解决离散函数的优化问题，它们将优化设计与运筹学紧密结合起来。
广义来说优化设计采用的方法是搜索的方法，传统的优化设计方法主要采用线搜索方法，而启发式优化方法采用多方位的随机搜索方法。对非线性函数来说，在极值点附近可以用二次函数来逼近，若存在极小值，则极值点附近的函数值均大于极值点处的函数值。求连续函数极值的问题，一部分人可能会想到用求导数的方法来解决，另一部分人可能不采用求导数的方法，而直接用比较的方法来确定搜索区间和极小值。与求导数的方法相比，直接搜索法是优化设计中更基础的方法。从优化设计的数学模型来分，优化设计问题可分为有约束的优化问题和无约束的优化设计问题；而从求解方法来分，优化设计方法可分为基于导数的方法和直接搜索方法。随机方向法、复合型法、鲍威尔法、可行方向法均属于直接搜索法，值得注意的是遗传算法、蚁群算法、粒子群算法等启发式算法均含有随机方向法的基本内涵。
优化设计广泛应用于航空、汽车、化工、电力、建筑、机械制造等众多领域，由于优化问题的多样性，相应出现了多种优化设计方法，每一种方法都有其自身的特点和适用范围，在实际应用中，特别对于大型优化设计问题，不应以一次计算结果或一种方法得出的结果作为最终的最优结果。
优化设计是以工程设计问题为背景，将最优化原理与计算技术相结合的产物。不论是从学习的角度还是从应用的角度，实践都是非常重要的，实践既是学习的终点又是学习的起点。本书特别强调理论与实践的结合。实践包括多个方面，最基本的是通过简单的例子用手工演算来验证算法，然后是通过编程利用计算机实现和验证优化算法，最后是针对工程设计问题建立优化设计模型，选择合适的优化算法解决设计问题。MATLAB不但是实现数值计算的计算机高级语言，同时也是解决多种工程和数学问题的仿真软件。本书以MATLAB语言作为程序设计语言和实践环境，针对每一种算法编写了学习程序，方便读者学习。这些程序主要为验证优化算法而设计，读者可以以此为基础编写自己的程序。MATLAB本身包含有命令格式和GUI格式的优化工具箱，并随着版本的升级不断加入新的优化算法。本书第11章简要介绍了MATLAB优化工具箱命令格式的各种优化函数，优化工具箱函数为实现优化设计提供了极大的方便，但从学习的角度来说，应尽可能自己编程以便深刻领会和掌握所学的优化算法。
本书修订版保持了原书的内容，对部分内容作了修订，完善了各章习题。本书配有电子教案，需要者可与清华大学出版社联系。
本书由张永恒主编并统稿，蔡慧林、褚衍东审阅，何玮、马斌、朱凌云（兰州交通大学）、严军（西北师范大学）参加编写。第1章、第12.1~12.3节由张永恒编写；第9章和第12.10节由何玮编写；第5、6、7章由马斌编写；第2、4、8章由朱凌云编写；第3、10、11章和第12.4~12.9节由严军编写；习题由张永恒、马斌、朱凌云编写。在编写过程中，张鹏、刘金平、程明、周志勇、宁珍、刘军强、唐强完成了部分程序的调试工作，在此表示感谢。在编写过程中参考了网络中有关作者的资料在此一并表示感谢。
由于作者水平有限，书中一定有不少错误和缺点，敬请广大读者提出宝贵意见。
目录
目 录
第1章 绪论1
1.1 最优化问题的提出1
1.2 最优化问题的分类4
1.3 优化模型的图形表示5
1.4 有限元法引例10
1.5 多学科设计优化集成软件iSIGHT简介12
习题16第2章 优化设计的数学基础18
2.1 向量与矩阵的范数18
2.1.1 向量的范数18
2.1.2 矩阵的范数18
2.2 方向导数与梯度19
2.2.1 方向导数19
2.2.2 梯度20
2.3 函数的泰勒级数展开21
2.4 无约束优化问题的极值条件22
2.5 凸集与凸函数25
2.5.1 凸集25
2.5.2 凸函数25
2.6 有约束优化问题的极值条件27
2.6.1 等式约束优化问题的极值条件27
2.6.2 不等式约束优化问题的极值条件29
习题36第3章 线性规划37
3.1 线性规划的标准形式37
3.2 单纯形法38
3.2.1 基本解与基本可行解38
3.2.2 基本可行解的转换42
3.2.3 单纯形法的计算步骤44
3.2.4 单纯形法列表计算47
3.3 单纯形法的MATLAB程序及实例49
3.4 改进的单纯形法51
3.4.1 改进的单纯形法的基本思想52
3.4.2 改进的单纯形法的计算步骤52
3.5 改进的单纯形法的MATLAB程序及实例55
习题57第4章 一维搜索方法60
4.1 确定初始单峰区间的方法--进退法60
4.1.1 进退法原理60
4.1.2 进退法程序框图及MATLAB程序61
4.2 黄金分割法63
4.2.1 黄金分割法的基本原理63
4.2.2 黄金分割法的计算方法63
4.2.3 黄金分割法的计算框图和MATLAB程序64
4.3 拉格朗日插值多项式66
4.3.1 线性插值66
4.3.2 二次函数插值66
4.3.3 ?n?次拉格朗日插值多项式70
4.4 插值与拟合的其他方法71
4.4.1 差商与牛顿插值71
4.4.2 列维尔插值法72
4.4.3 曲线拟合的最小二乘法75
4.4.4 正交多项式及其在曲线拟合中的应用76
4.5 一元及多元非线性方程求根81
4.5.1 一元非线性方程求根81
4.5.2 多元非线性方程组求根84
习题85第5章 无约束优化问题的导数解法87
5.1 最速下降法87
5.1.1 最速下降法的基本原理87
5.1.2 最速下降法的MATLAB程序89
5.2 牛顿法90
5.2.1 牛顿法的基本原理90
5.2.2 阻尼牛顿法92
5.2.3 阻尼牛顿法的MATLAB程序93
5.3 共轭梯度法94
5.3.1 共轭方向的概念94
5.3.2 共轭方向与函数极值的关系94
5.3.3 共轭梯度法的几种形式95
5.3.4 共轭梯度法的MATLAB程序99
5.4 变尺度法100
5.4.1 变量的尺度100
5.4.2 变尺度矩阵的建立103
5.4.3 变尺度法的MATLAB程序106
习题108第6章 无约束优化问题的直接解法109
6.1 坐标轮换法109
6.1.1 坐标轮换法的基本原理109
6.1.2 搜索方向与步长的确定109
6.1.3 坐标轮换法的MATLAB程序110
6.2 单形替换法112
6.2.1 单形替换法（一）113
6.2.2 单形替换法（二）114
6.2.3 单形替换法的MATLAB程序115
6.3 鲍威尔法119
6.3.1 鲍威尔法的原理120
6.3.2 鲍威尔基本算法的步骤120
6.3.3 改进的鲍威尔方法121
6.4 鲍威尔法的MATLAB程序及实例125
习题127第7章 约束优化问题的直接解法129
7.1 随机方向法129
7.1.1 随机方向法的基本原理129
7.1.2 随机方向法的步骤129
7.1.3 随机方向法的MATLAB程序130
7.2 复合形法133
7.2.1 复合形法的步骤133
7.2.2 复合形法的MATLAB程序135
7.3 可行方向法140
7.3.1 可行方向法的搜索策略140
7.3.2 Zoutendijk可行方向法141
7.3.3 Rosen可行方向法144
7.3.4 Rosen可行方向法的MATLAB程序146
习题150第8章 约束优化问题的间接解法152
8.1 罚函数法152
8.1.1 内点罚函数法152
8.1.2 外点罚函数法156
8.1.3 混合罚函数法158
8.2 增广乘子法160
8.2.1 拉格朗日乘子法160
8.2.2 等式约束的增广乘子法162
8.2.3 不等式约束的增广乘子法165
习题169第9章 多目标函数优化设计171
9.1 多目标优化问题172
9.1.1 多目标优化问题的数学模型172
9.1.2 多目标优化设计解的类型172
9.2 多目标优化问题的求解方法173
9.2.1 线性组合法173
9.2.2 理想点法174
9.2.3 乘除法175
习题175第10章 最优化问题的启发式算法177
10.1 蚁群算法177
10.1.1 蚁群算法求解TSP的基本原理177
10.1.2 用蚁群算法求解函数优化问题181
10.2 粒子群优化算法185
10.2.1 粒子群优化算法的基本原理185
10.2.2 用粒子群算法求解函数优化问题185
10.3 遗传算法189
10.3.1 遗传算法的基本原理189
10.3.2 混合遗传算法196
10.3.3 十进制编码遗传算法199
10.3.4 用遗传算法求解TSP问题203
10.4 模拟退火算法204
10.5 人工神经网络算法208
10.5.1 人工神经网络的特征及分类208
10.5.2 BP网络209
10.5.3 Hopfield神经网络模型212
习题222第11章 MATLAB优化工具箱简介223
11.1 MATLAB常用内部数学函数223
11.2 MATLAB优化工具箱的主要函数224
11.2.1 MATLAB求解优化问题的主要函数224
11.2.2 优化函数控制参数225
11.3 线性规划问题226
11.4 一元和多元函数的优化问题228
11.4.1 一元函数的优化问题228
11.4.2 多元函数的无约束优化问题228
11.4.3 多元函数的有约束优化问题230
11.4.4 二次规划问题231
11.5 半无限约束多元函数优化问题233
11.6 多目标优化问题234
11.6.1 理想点法234
11.6.2 线性加权和法237
11.6.3 最大最小法239
11.6.4 目标达到法240
11.7 最小二乘法在优化及数据拟合中的应用242
11.7.1 有约束线性最小二乘243
11.7.2 最小二乘法数据（曲线）拟合之一244
11.7.3 最小二乘法数据（曲线）拟合之二245
11.7.4 最小二乘法数据（曲线）拟合之三246
11.8 非线性方程的求解247
11.8.1 一元非线性方程的解247
11.8.2 非线性方程组的解247
习题251第12章 工程优化设计实例254
12.1 平面连杆机构的优化设计254
12.1.1 曲柄摇杆机构优化设计数学模型255
12.1.2 曲柄摇杆机构优化设计的MATLAB程序及运行结果256
12.2 凸轮优化设计257
12.2.1 凸轮型线优化设计目标函数258
12.2.2 优化函数约束条件259
12.2.3 凸轮机构优化设计的MATLAB程序及计算实例259
12.3 螺栓连接的优化设计261
12.3.1 螺栓连接受力分析261
12.3.2 螺栓连接的设计变量、目标函数及约束条件262
12.3.3 螺栓连接的优化数学模型263
12.3.4 螺栓连接优化设计的MATLAB程序及运行结果263
12.4 圆柱齿轮传动的优化设计264
12.4.1 模糊综合评判的一般流程264
12.4.2 圆柱齿轮传动优化设计的目标函数和设计变量266
12.4.3 圆柱齿轮传动优化设计的约束条件267
12.4.4 最优截集水平值?λ???的确定269
12.4.5 圆柱齿轮传动优化设计的MATLAB程序及计算结果270
12.5 圆柱螺旋弹簧的优化设计272
12.5.1 圆柱螺旋弹簧优化设计的数学模型272
12.5.2 圆柱螺旋弹簧优化设计实例274
12.6 轴的优化设计275
12.6.1 扭转轴的优化设计275
12.6.2 圆形等截面轴的优化设计276
12.6.3 车床主轴的优化设计278
12.7 桁架的优化设计281
12.7.1 静定桁架的优化设计281
12.7.2 三杆桁架的优化设计284
12.8 换热器的优化设计286
12.8.1 换热器优化设计（一）286
12.8.2 换热器优化设计（二）289
12.9 基于优化方法的常微分方程边值问题数值解291
12.9.1 基于MATLAB函数的求解方法291
12.9.2 求解两点边值问题的打靶法292
12.9.3 边界层微分方程组及相似解293
12.9.4 流函数方程和温度方程的求解295
12.10 含间隙机械系统的参数优化设计306
12.10.1 力学模型及运动微分方程307
12.10.2 系统的分岔和通向混沌的道路308
12.10.3 系统优化设计的MATLAB程序309
习题312参考文献316

❼ 用matlab编程求解powell法问题。

1/目标函数程序清单
function m=f(x1,x2)
m=x1^2+2*x2^2-4*x1-2*x1*x2

2/关于α的目标函数
function m=y(x1,x2,d1,d2,alpha)
m=(x1+alpha*d1)^2+(x2+alpha*d2)^2-(x1+alpha*d1)*(x2+alpha*d2)-10*(x1+alpha*d1)-4*(x2+
alpha*d2)+60;

3\
function [a,b]=section(x1,x2,d1,d2)
x11=x1; %给出起始点坐标x1，x2和搜索方向d1，d2
x22=x2;
d11=d1;
d22=d2;
h0=1; %初始化
h=h0;alpha1=0;
y1=y(x11,x22,d11,d22,alpha1); %代入α1求解y1
alpha2=h;y2=y(x11,x22,d11,d22,alpha2);
t=0;
if y2>y1
h=-h;alpha3=alpha1;y3=y1;t=1; %如果y2>y1，则改变搜索方向
end
while(1)
if t==1
alpha1=alpha2;y1=y2; %实现交换
alpha2=alpha3;y2=y3;
else t=1;
end
alpha3=alpha2+h;y3=y(x11,x22,d11,d22,alpha3);
if y3<y2
h=2*h; %改变搜索步长，将其加倍
else
break;
end
end
if alpha1>alpha3
tem=alpha1;alpha1=alpha3;alpha3=tem; %比较大小，保证输出区间为【a，b】
a=alpha1;b=alpha3;
else a=alpha1;b=alpha3;
end

4\
function alpha=ALPHA(x1,x2,d1,d2,A,B)
x11=x1;x22=x2; %给出起始点坐标x1，x2和搜索方向d1，d2
d11=d1;d22=d2;
a=A;b=B; %获取区间
epsilon=0.000001; %初始化，给定进度
r=0.618;
alpha1=b-r*(b-a);
y1=y(x11,x22,d11,d22,alpha1); %代入α1求解y1
alpha2=a+r*(b-a);
y2=y(x11,x22,d11,d22,alpha2);
while(1)
if y1>=y2 %根据区间消去法原理缩短搜索空间
a=alpha1;alpha1=alpha2;
y1=y2;
alpha2=a+r*(b-a);
y2=y(x11,x22,d11,d22,alpha2);
else
b=alpha2;alpha2=alpha1;
y2=y1;
alpha1=b-r*(b-a);
y1=y(x11,x22,d11,d22,alpha1);
end
if abs(b-a)<epsilon &
abs(y2-y1)<epsilon %判断是否满足进度要求
break; %满足进度要求则退出循环迭代过程
end
end
alpha=0.5*(a+b); %返回值

5\主程序
clear all
clc
k=0;n=2;
x=[0;0;];ff(1)=f(x(1),x(2)); %初始化
epsilon=0.00001;
d=[1;
0;
0;
1;];
while(1)
x00=[x(1);x(2);];
for i=1:n
[a(i),b(i)]=section(x(2*i-1),x(2*i),d(2*i-1),d(2*i)); %调用section（）函数求解一元函数有y（α）最小值时的区间
alpha(i)=ALPHA(x(2*i-1),x(2*i),d(2*i-1),d(2*i),a(i),b(i)); %调用ALPHA（）函数求解y（α）最小值点α*
x(2*i+1)=x(2*i-1)+alpha(i)*d(2*i-1); %沿di方向搜索
x(2*i+2)=x(2*i)+alpha(i)*d(2*i);
ff(i+1)=f(x(2*i+1),x(2*i+2)); %搜索到的点对应的函数值
end

for i=1:n
Delta(i)=ff(i)-ff(i+1);
end
delta=max(Delta); %求出函数值之差的最大值
for i=1:n %寻找函数值之差最大值的下标
if delta==Delta(i)
m=i;
break;
end
end
d(2*n+1)=x(2*n+1)-x(1); %求出反射点搜索方向dn+1
d(2*n+2)=x(2*n+2)-x(2);
x(2*n+3)=2*x(2*n+1)-x(1); %搜索到反射点Xn+1
x(2*n+4)=2*x(2*n+2)-x(2);
ff(n+2)=f(x(2*n+3),x(2*n+4)); %反射点所对应的函数值
f0=ff(1);f2=ff(n+1);f3=ff(n+2);
k=k+1; %记录迭代次数
R(k,:)=[k,x',d',ff]; %保存迭代过程的中间运算结果

if f3<f0 &
(f0-2*f2+f3)*(f0-f2-delta)^2<0.5*delta*(f0-f3)^2 %判断是否需要对原方向组进行替换
[a(n+1),b(n+1)]=section(x(2*n+1),x(2*n+2),d(2*n+1),d(2*n+2));
alpha(n+1)=ALPHA(x(2*n+1),x(2*n+2),d(2*n+1),d(2*n+2),a(n+1),b(n+1));
x(1)=x(2*n+1)+alpha(n+1)*d(2*n+1); %沿反射方向进行搜索，将搜索结果作为下一轮迭代的始点
x(2)=x(2*n+2)+alpha(n+1)*d(2*n+2);
for i=m:n %根据函数值之差最大值的下标值m，对原方向组进行替换
d(2*i-1)=d(2*i+1);
d(2*i)=d(2*i+2);
end
else
if f2<f3 %如果不需要对原方向组进行替换，选取终点及反射点中函数值较小者作为下一轮迭代的始点
x(1)=x(2*n+1);
x(2)=x(2*n+2);
else
x(1)=x(2*n+3);
x(2)=x(2*n+4);
end
end
RR(k,:)=alpha; %保存迭代过程的中间运算结果
ff(1)=f(x(1),x(2)); %计算下一轮迭代过程需要的f0值
if
(((x(2*n+1)-x00(1))^2+(x(2*n+2)-x00(2))^2)^(1/2))<epsilon %判断是否满足精度要求
break; %满足进度要求则退出循环迭代过程
end
end
xx=[x(1);x(2)]
fmin=f(x(1),x(2)) %显示最小值及其所对应的坐标

❽ 什么叫鲍威尔法

鲍威尔法——多维无约束优化算法是在无约束优化算法之一，首先选取一组共轭方向，从某个初始点出发，求目标函数在这些方向上的极小值点，然后以该点为新的出发点，重复这一过程直到获得满意解，其优点是不必计算目标函数的梯度就可以在有限步内找到极值点。 鲍威尔法是以共轭方向为基础的收敛较快的直接法之一，是一种十分有效的算法。在无约束方法中许多算法都是以共轭方向作为搜索方向，它们具有许多特点。根据构造共轭方向的原理不同，可以形成不同的共轭方向法。 http://meccol.dhu.e.cn/JiXieYouHuaSheJi/third3.htm

❾ 关于Powell法中一维搜索的方法(matlab)

不影响，只要你的函数性质比较好，比如说充分光滑，有没有解析表达式并不重要。
fminsearch的算法你可以看帮助文件，上面写的有
Algorithm

fminsearch uses the simplex search method of [1]. This is a direct search method that does not use numerical or analytic gradients.
simplex method 就是单纯形法了

simplex method 一般是对多元函数优化的，Powell一般是对一元函数
课本上的simplex method一般都是针对线性规划的，不过也有一些可以针对非线性的，比较复杂就是了，我也不明白 :)
其实优化是个很复杂的很专业的东西，MM不用搞那么清楚，看例子会照着做就行了,如果什么都重新自己做，还要Matlab干嘛？