无约束最优化的matlab代码

无约束最优化：主要是共轭梯度法和拟牛顿法中DFP方法，很简单的程序。清晰易懂。初学者使用。

function alpha=conjugate（fa1b1xkdkepsM）
%alpha 为单峰函数g（x）=f（xk+x*dk）在[a1b1]的最小值点，eps为精度要求，M为迭代次数控制.
%用于求精确步长的黄金分割法，参数传递有改动
if nargin==5
    eps= 1.0e-10;
    M  = 200;
elseif nargin<5
    error
    return
elseif nargin==6
    M=200;
end

xsize=size（xk）;
if xsize（1）==1
    xk=xk‘
end
xsize=size（dk）;
if xsize（1）==1
    dk=dk‘
end


tau=（sqrt（5）-1）/2;
tau1=1-tau;
a=a1;
b=b1;
lambda=a+tau1*（b-a）;
mu=a+tau*（b-a）;
flambda=feval（fxk+lambda*dk）;
fmu=feval（fxk+mu*dk）;

for k=1:1:M
    if flambda>fmu
        if abs（b-a）<=eps
            alpha=mu;
            return;
        else
            a=lambda;
            b=b;
            lambda=mu;
            flambda=fmu;
            mu=a+tau*（b-a）;
            fmu=feval（fxk+mu*dk）;
        end
    else
        if abs（mu-a）<=eps
            alpha=lambda;
            return;
        else
            a=a;
            b=mu;
            mu=lambda;
            fmu=flambda;
            lambda=a+tau1*（b-a）;
            flambda=feval（fxk+lambda*dk）;
        end
    end
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1128  2008-05-20 10:46  conjugate.m

     文件        913  2005-10-31 20:28  conjugategrad.m

     文件        964  2005-10-31 20:44  DFP.m

----------- ---------  ---------- -----  ----

                 3005                    3