通过多维共轭梯度方法确定有n个独立变量的函数的局部最小值。


icon

输入/输出

  • cdbl.png 精度

    精度确定最小值的精度。如两个连续近似值的差小于等于精度,该方法停止。默认值为1.00E-8。

  • cu16.png 梯度方法

    梯度法指定计算导数的算法。0表示Fletcher Reeves算法。1表示Polak Ribiere算法。默认值为0。

  • cu16.png 直线最小化

    直线最小化0表示不使用导数的算法。1表示使用导数的算法。默认值为0。

  • c1ddbl.png 开始

    开始是最优化过程的n维开始点。

  • c1dstr.png X

    X是表示x变量的字符串数组。如字符串数组包含变量t,VI将返回错误。

  • cstr.png f(X)

    f(X)该字符串用于表示x变量的函数。公式可包含任意数量的有效变量

  • i1ddbl.png 最小值

    最小值是确定的n维局部最小值。

  • idbl.png f(最小值)

    f(最小值)是函数f(X)在确定最小值处的值。

  • iu32.png 时钟滴答

    计时是用于整个计算的时间,以毫秒为单位。

  • ii32.png 错误

    错误返回VI的任何错误或警告。将错误连接至错误代码至错误簇转换VI,可将错误代码或警告转换为错误簇。

  • Fletcher Reeves和Polak Ribiere算法是基于对最佳方向和一维次最小值的判断。

    下图为起始点和起始方向。新的点和方向可通过该VI得到。