在现代设计方法及其运用书中工程设计具有约束性和什么性

各位ggjjddmm谁可以找着关于现代设计方法的一维无约束优化的任何一种寻优方法的源代码。

最优化-无约束共轭梯度法程序（c++） ///////////////////////////////////////// /////vector。h头文件///// /////定义向量及其基本运算///// ///////////////////////////////////////// ＃i nclude #defineMAXLENGTH10 //向量定义 typedefstruct{ inttag;//行列向量标志。 行向量为0，列向量为1。 intdimension;//向量的维数 doubleelem[MAXLENGTH];//向量的元素 }vector; vectorvec...全部

  最优化-无约束共轭梯度法程序（c++） ///////////////////////////////////////// /////vector。h头文件///// /////定义向量及其基本运算///// ///////////////////////////////////////// ＃i nclude #defineMAXLENGTH10 //向量定义 typedefstruct{ inttag;//行列向量标志。
  行向量为0，列向量为1。 intdimension;//向量的维数 doubleelem[MAXLENGTH];//向量的元素 }vector; vectorvecCreat(inttag,intn){ //建立维数为n的向量 vectorx; x。
  tag=tag; x。dimension=n; for(inti=0;i ＃i nclude"vector。h" #defineSIZE10 #defineMAX1e300 doublemin(doublea,doubleb){ //求两个数最小 returna} doublemax(doublea,doubleb){ //求两个数最大 returna>b?a:b; } vectorvecGrad(double(*pf)(vectorx),vectorpointx){ //求解向量的梯度 //采用理查德外推算法计算函数pf在pointx点的梯度grad; vectorgrad; grad。
  tag=1;grad。dimension=pointx。dimension;//初始化偏导向量 vectortempPnt1,tempPnt2;//临时向量 doubleh=1e-3; for(inti=0;itempPnt1=tempPnt2=pointx; tempPnt1。
  elem[i]+=0。5*h; tempPnt2。elem[i]-=0。5*h; grad。elem[i]=(4*(pf(tempPnt1)-pf(tempPnt2)))/(3*h); tempPnt1。
  elem[i]+=0。5*h; tempPnt2。elem[i]-=0。5*h; grad。elem[i]-=(pf(tempPnt1)-pf(tempPnt2))/(6*h); } returngrad; } doublevecFun(vectorvx){ //最优目标多元函数 doublex[SIZE]; for(inti=0;ix[i+1]=vx。
  elem[i]; //----------约束目标函数-------------- //returnx[1]*x[1]+x[2]*x[2]; //----------无约束正定函数-------------- //returnx[1]*x[1]+4*x[2]*x[2]+9*x[3]*x[3]-2*x[1]+18*x[3];//例一 //----------无约束非二次函数-------------- //return(1-x[1])*(1-x[1])+(1-x[4])*(1-x[4])+(x[1]*x[1]-x[2])*(x[1]*x[1]-x [2])+(x[2]*x[2]-x[3])*(x[2]*x[2]-x[3])+(x[3]*x[3]-x[4])*(x[3]*x[3]-x[4]);//例二 } doublevecFun_Si(vectorvx){ //不等式约束函数 doublex[SIZE]; for(inti=0;ix[i+1]=vx。
  elem[i]; returnx[1]+1;//不等式约束函数 } doublevecFun_Hi(vectorvx){ //等式约束函数 doublex[SIZE]; for(inti=0;ix[i+1]=vx。
  elem[i]; returnx[1]+x[2]-2;//等式约束函数 } doublevecFun_S(vectorx,doublev,doublel,doubleu){ //约束问题转化为无约束问题的增广目标函数F(x,v,l,u) doublesum1=0,sum2=0,sum3=0;//分别定义三项的和 //sum1 doubletemp=max(0,v-2*u*vecFun_Si(x)); sum1=(temp*temp-v*v)/(4*u); //sum2 sum2=l*vecFun_Hi(x); //sum3 sum3=u*vecFun_Hi(x)*vecFun_Hi(x); //F(x,v,l,u)=f(x)+sum1-sum2+sum3 returnvecFun(x)+sum1-sum2+sum3; } vectorvecFunD_S(vectorx,doublev,doublel,doubleu){//利用重载函数实现目标函 数F(x,v,l,u)的导数 //约束问题转化为无约束问题的增广目标函数F(x,v,l,u)的导函数 vectorsum1,sum2,sum3;//分别定义三项导数的和 //sum1 sum1。
  dimension=x。dimension;sum1。tag=1; sum2。dimension=x。dimension;sum2。tag=1; sum3。dimension=x。dimension;sum3。
  tag=1; doubletemp=max(0,v-2*u*vecFun_Si(x)); if(temp==0){ for(inti=0;isum1。elem[i]=0; } else{ sum1=numMultiply(-(v-2*u*vecFun_Si(x)),vecGrad(vecFun_Si,x)); } //-sum2 sum2=numMultiply(-l,vecGrad(vecFun_Hi,x)); //sum3 sum3=numMultiply(2*u*vecFun_Hi(x),vecGrad(vecFun_Hi,x)); //F=f(x)+sum1-sum2+sum3 returnvecAdd(vecAdd(vecGrad(vecFun,x),sum1),vecAdd(sum2,sum3)); } /////////////////////////////////////////////////// /////nonrestrict。
  h头文件///// /////包含无约束问题的求解函数:直线搜索///// /////共轭梯度法,H终止准则///// /////////////////////////////////////////////////// ＃i nclude"restrict。
  h" vectorlineSearch(vectorx,vectorp,doublet){ //从点x沿直线p方向对目标函数f(x)作直线搜索得到极小点x2,t为初始步长。 vectorx2; doublel=0。
  1,n=0。4;//条件1和2的参数 doublea=0,b=MAX;//区间 doublef1=0,f2=0,g1=0,g2=0; inti=0;//迭代次数 do{ if(f2-f1>l*t*g1){b=t;t=(a+b)/2;}//改变b,t循环 do{ if(g2f1=vecFun(x);//f1=f(x) g1=vecMultiply(vecConvert(vecGrad(vecFun,x)),p);//g1=∨f(x)*p x2=vecAdd(numMultiply(t,p),x);//x2=x+t*p if(i++&&vecFun(x2)==f2){returnx2;}//【直线搜索进入无 限跌代，则此次跌代结束。
  返回当前最优点】 f2=vecFun(x2);//f2=f(x2) g2=vecMultiply(vecConvert(vecGrad(vecFun,x2)),p);//g2=∨f(x2 )*p //coutl*t*g1);//不满足条件i,则改变b,t循环 returnx2; } intHimmulblau(vectorx0,vectorx1,doublef0,doublef1){ //H终止准则。
  给定Xk,Xk+1,Fk,Fk+1,判断Xk+1是否是极小点。返回1是极小,否则返回0 doublec1,c2,c3;//定义并初始化终止限 c1=c2=10e-5; c3=10e-4; if(vecMole(vecGrad(vecFun,x1))if(vecMole(vecAdd(x1,numMultiply(-1,x0)))/(vecMole(x0)+1)if(fabs(f1-f0)/(fabs(f0)+1)return1; return0; } voidFletcher_Reeves(vectorxx,vector&minx,double&minf){ //Fletcher-Reeves共轭梯度法。
   //给定初始点xx。对vecFun函数求得最优点x和最优解f,分别用minx和minf返回 intk=0,j=0;//迭代次数,j为总迭代次数 doublec=10e-1;//终止限c intn=xx。
  dimension;//问题的维数 doublef0,f,a;//函数值f(x),a为使p方向向量共轭的系数 vectorg0,g;//梯度g0,g vectorp0,p;//搜索方向P0,p vectorx,x0;//最优点和初始点 doublet=1;//直线搜索的初始步长=1 x=xx;//x0 f=vecFun(x);//f0=f(x0) g=vecGrad(vecFun,x);//g0 p0=numMultiply(-1,g);//p0=-g0,初始搜索方向为负梯度方向 do{ x0=x;f0=f;g0=g; x=lineSearch(x0,p0,t);//从点x出发,沿p方向作直线搜索 f=vecFun(x);//f=f(x) g=vecGrad(vecFun,x);//g=g(x) if(Himmulblau(x0,x,f0,f)==1){//满足H终止准则,返回最优点及最优解。
   cout及其?(Y/N)"; cin>>key; if(key=='N'||key=='n')return; elseif(key=='Y'||key=='y'){ vectorx0;//起始点 intm; cout>m; x0=vecCreat(1,m); vectorminx;//求得的极小点 doubleminf;//求得的极小值 Fletcher_Reeves(x0,minx,minf); cout和?(Y/N)"; cin>>key; if(key=='N'||key=='n')return; elseif(key=='Y'||key=='y'){ vectorx0;//起始点 intm; cout>m; x0=vecCreat(1,m); vectorminx;//求得的极小点 doubleminf;//求得的极小值 Hesternes(x0,minx,minf); showPoint(minx,minf); } } voidmain(){ intmark=1; while(mark){ printSelect(); intsel; cin>>sel; switch(sel){ case1: sub1(); break; case2: sub2(); break; case3: mark=0; break; }; } 。
  收起