搜索资源列表
Conjugate-gradient-method-matlab
- 共轭梯度法 SUMT内点法 最速下降法 牛顿法 matlab实现-Conjugate gradient method SUMT interior point method the steepest descent method Newton method matlab
Matlab
- matlab程序非线性优化设计方法时下流行的关于非线性规划的源程序,包括SQP方法、乘子法程序、二次规划、非线性最小二乘法、共轭梯度法、拟牛顿法、线搜索技术、信赖域方法、最速下降法与牛顿法等-matlab program nonlinear optimization design method popular on nonlinear programming source code, including the SQP method, the multiplier method procedur
gongertidufa
- 用共轭梯度法求解无约束优化问题，把共轭性和最速下降法想结合来求出目标函数最小点，仿真正确。-Conjugate gradient method for solving unconstrained optimization problems, the conjugate and the steepest descent method would like to combine to find the minimum point of the objective function, the simu
Newton
- 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。-Conjugate Gradient method (Conjugate Gradie
gongetidufadshuzhixingzhi
- 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-Conjugate Gradient method (Conjugate Gradien
zsxjfshiyan
- 最速下降法又称为梯度法，是1847 年由著名数学家Cauchy 给出的，它是解析法中最古老的一种，其他解析方法或是它的变形，或是受它的启发而得到的，因此它是最优化方法的基础。作为一种基本的算法，他在最优化方法中占有重要地位。-The steepest descent method called gradient method, is 1847 by famous mathematician Cauchy given, it is the most ancient of analytical me
mathematic-library
- 数值分析类库。包括了Vector和Matrix类，可用于求CHOLESKY分解，解方程，以及求极值等。求极值的方法包括最速下降法，牛顿法，拟牛顿法，共轭梯度法，变尺度法等等。-Mathematic Analyze tools which contains the Vector and Matrix classes. It can be used to work our the parse of cholesky and solf the equation and deal with opt pr
(MATLAB__
- 无约束优化,最速下降法和共轭梯度法极小化函数-Unconstrained optimization, the steepest descent method and the conjugate gradient minimization function
Conjugate-Gradient-Method
- 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。-Conjugate gradient method (Conjugate Gradient) between the steepest descent between law and Newton'
Newton
- 压缩包里包含了无约束优化问题常用的几种求解方法的源程序：变量轮换法（variable_rotation.m）、最速下降法（steepest_descent.m）、修正牛顿法（modified_newton.m）、共轭梯度法（conjugate_gradient.m）。另外，coefficient_matrix.m为目标函数系数获得矩阵，minval.m为最小值计算函数，gradient.m为梯度计算函数-Compression bag contains unconstrained optimiz
multidimensional-extremum-problems
- 无约束多维极值问题，包含 用模式搜索法求解多维函数的极值 用Rosenbrock法求解多维函数的极值 用单纯形搜索法求解多维函数的极值 用Powell法求解多维函数的极值 用最速下降法求解多维函数的极值 用共轭梯度法求解多维函数的极 用牛顿法求解多维函数的极值 用修正牛顿法求解多维函数的极值 用DFP法求解多维函数的极值 用BFGS法求解多维函数的极值 用信赖域法求解多维函数的极值 用显式最速下降法求正定二次函数的极值 -Unconstrain
Linear-Equations-Solving
- 包含线性方程组迭代解法的共轭梯度法和最速下降法Matlab源代码级收敛性分析报告，以及线性方程组Matlab解法的参考资料-Contains linear equations iterative method for solving the conjugate gradient method and the steepest descent method Matlab source-level convergence analysis report, as well as linear equa
project1
- 进行共个梯度法CG，最速下降法，以及stationary迭代法，预处理CG法解线性方程的程序。给出迭代结果。-Solve linear equations.
CG1
- matlab 最速下降法与共轭梯度法在matlab中的实现-matlab CG
fast-down
- 最速下降法，用于解决二维情况下的函数极值问题。通过确定初始点，通过迭代将初始点加至最小点。步长和方向为迭代的元素，每次先去步长和其点的负梯度。-The steepest descent method for solving the function extremum problems in the two-dimensional case. Iteration by determining the initial point initial point was added to the mini
matlab-code
- 几个多目标求极值的Matlab算法，包括模式搜索法、Rosenbrock法、单纯形法、Powell法、最速下降法、共轭梯度法、牛顿法、信赖域法-Matlab algorithm, several multi-objective extremum including pattern search method, Rosenbrock method, simplex method, Powell method, the steepest descent method, conjugate gradi
code
- 用MATLAB实现最速下降法，牛顿法和共轭梯度法求解实例。-Using MATLAB to achieve the steepest descent method, Newton method and conjugate gradient method to solve the instance.
zunewton-dfpdfp
- 实用最优化方法中的经典题目，包含DFP算法、共轭梯度法、内点法、阻尼牛顿法、最速下降法,都要求在matlab软件下执行，有正确结果输出。-The classical topics practical optimization method, including the DFP algorithm, conjugate gradient method, interior point method, damped Newton method, the steepest descent method,
grad
- 最速下降法又称为梯度法，是1847 年由著名数学家Cauchy 给出的，它是解析法中最古老的一种，其他解析方法或是它的变形，或是受它的启发而得到的，因此它是最优化方法的基础。作为一种基本的算法，他在最优化方法中占有重要地位，主要用来求解无约束最优化问题。-the steepest_descend_method
conjugateGradient
- 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。-failed to translate