吸引盆的matlab代码,局部最优与全局最优
吸引盆
如果目标函数 f(x) 是平滑的,则向量 –∇f(x) 指向 f(x) 下降最快的方向。最陡下降方程,即
ddtx(t)=−∇f(x(t)),
会生成一条路径 x(t),该路径随着 t 的增长而抵达局部最小值。通常,彼此靠近的初始值 x(0) 给出趋向于相同最小值点的最陡下降路径。最陡下降的吸引盆是导向相同局部最小值的一组初始值。
下图显示两个一维最小值。该图使用不同线型显示不同的吸引盆,并用箭头指示最陡下降的方向。对于此图以及后面的图,黑点表示局部最小值。从 x(0) 点开始,每条最陡下降路径都抵达包含 x(0) 的盆中的黑点。
一维盆
下图显示最陡下降路径在更多维度的情形中变得更为复杂。
显示来自不同起点的最陡下降路径的吸引盆
下图显示更加复杂的路径和吸引盆。
多个吸引盆
约束可以