توضیحات
بهینهسازی تابع دو متغیره به روش تندترین کاهش (Steepest Descent)
روش تندترین کاهش یکی از روشهای عددی بهینهسازی توابع نامقید و چند متغیره است. این روش مبتنی بر مشتق مرتبه اول (گرادیان) و حدس و تکرار میباشد. (عکس جهت گرادیان، بهترین جهت برای کاهش تابع است.)
این کار شامل دو برنامه میباشد که در یکی به درایو ماتریس های گرادیان و هسین از توابع مورد نظر ( 5 مثال که در تصویر روبرو نمایش داده شدهاند) و در دیگری به مینیمسازی این توابع پرداخته شده است.
الگوریتم حل مسأله به روش تندترین کاهش در گالری آمده و قابل رویت میباشد.
همچنین نتایج حاصل از اجرای برنامه در گالری نمایش داده شده است.
کلید واژه: روش تندترین کاهش, بهینهسازی، تابع دو متغیره نامقید, گرادیان, هسین، مینیممسازی, کد متلب تندترین کاهش
Steepest Descent method, Optimization, Hessian, Gradient, Minimization, matlab code, SDM
شبیه سازی
بهینهسازی تابع دو متغیره به روش تندترین کاهش (Steepest Descent)
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
اکبر –
با سلام، الگوریتم حل مسئله به روش تندترین کاهش از چه کتابی ذکر شده است؟