
fminsearch('sin',9)会得到109956,因为那个点是最靠近初值9的极小值点(当然,所谓靠近只是一种形象化的说法,实际的优化算法并不一定找到最靠近的极值点)。用下面的代码画出图来可能更清楚一些:
1234ezplot('sin',[0 12])x=fminsearch('sin',9);hold onplot(x,sin(x),'ro')
解题方法:
clc
clear
A=[4 8 3 9 7 1 6 5 2]
min=min(A)
max=max(A)
%m为所在行 n为所在列
[m1,n1]=find(A==min)
[m2,n2]=find(A==max)
代码% By lyqmath。
clc; clear all; close all。
% f(x,y)=100(y-x^2)^2+(1-x)^2。
title('By lyqmath', 'FontWeight', 'Bold', 'Color', 'r')结果。
f(x, y) = 100(y-x^2)^2+(1-x)^2 = 0。
因为平方是非负数,所以得出:
y-x^2 = 0。
1-x = 0。
即:x = 1,y = 1。
所以 ezplot('100(y-x^2)^2+(1-x)^2') 实际上只画出了一个点。
必须注意
所谓二重极限存在,是指P(x,y)以任何方式趋于P0(x0,y0)时,f(x,y)都无限接近于A,因此,如果P(x,y)以某一特殊方式。
例如沿着一条定直线或定曲线趋于P0(x0,y0)时,即使f(x,y)无限接近于某一确定值,还不能由此断定函数的极限存在但是反过来,如果当P(x,y)以不同方式趋于P0(x0,y0)时,f(x,y)趋于不同的值,那么就可以断定这函数的极限不存在。
将这20个数用数组A表示,则最大值为max(A),最小值为min(A)具体在matlab命令行中输入doc max和doc min会有更详细的使用说明
另外用for求max(A),记为maxA:
maxA=A(1)
for i=1:length(A)
if(A(i)>maxA)
maxA=A(i)
end
end
需求:现实数据都是离散的,有时需要离散数据图像的 极大值点集 和 极小值点集 ,并用它们绘制原函数的上、下 包络线 。基于此需求,本文给出matlab的简单实现。
极大值 的寻找方式:
函数:findpeaks
使用1:findpeaks(x)
使用2:[top, location1] = findpeaks(x);
效果:找到原始数据x的 极大"值"们(top) 以及对应的 索引(location1) !
极小值 的寻找方式:
说明:matlab里没有自带直接的找极小值的函数,可用下面这个小技巧
函数:findpeaks
技巧:findpeaks(-x);
使用:[low, location2] = findpeaks(-x);
效果:把原始数据相当于翻转或乘-1,这样原来的极小值就是极大值!翻转不会改变极小值的索引!
真实数据的实例:
效果:
其实包络线可以用 三次样条插值 绘制的更平滑一些!
三次样条插值的 *** 作参考 这篇文章 。
计算偏导,然后取零值,可以通过二阶导来判断极值性质。% 比如y=ax1^2+bx2^2 谢谢 % By lyqmath
clc; clear all; close all;
syms a b x1 x2
y = ax1^2 + bx2^2;
dy1 = diff(y, x1);
dy2 = diff(y, x2);
xt1 = solve(dy1, x1)
xt2 = solve(dy1, x2)
求函数极值,可以用fminsearch()极小值函数来解决。求函数极大值就求函数极小值的反函数。
1、函数极小值的求法
>> func=@(x)(sin(x)/x^2+xcos(x));
>> [x,f]=fminsearch(func,4)
x =
34427 %极小值点
f =
-33128 %极小值
2、函数极大值的求法
>> func=@(x)-(sin(x)/x^2+xcos(x));
>> [x,f,h]=fminsearch(func,4)
x =
64407 %极大值点
f =
-63647 %极大值
计算偏导,然后取零值,可以通过二阶导来判断极值性质。
%
matlab里面怎样求二元符号函数的极小值?
%
比如y=ax1^2+bx2^2
谢谢
%
By
lyqmath
clc;
clear
all;
close
all;
syms
a
b
x1
x2
y
=
ax1^2
+
bx2^2;
dy1
=
diff(y,
x1);
dy2
=
diff(y,
x2);
xt1
=
solve(dy1,
x1)
xt2
=
solve(dy1,
x2)
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)