多维共轭梯度
- 更新时间2025-07-30
- 阅读时长3分钟
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。

输入/输出
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。
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。
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。
开始
—
开始是最优化过程的n维开始点。
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。
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。
最小值
—
最小值是确定的n维局部最小值。
f(最小值)
—
f(最小值)是函数f(X)在确定最小值处的值。
时钟滴答
—
计时是用于整个计算的时间,以毫秒为单位。
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。

精度
—
梯度方法
—
开始
—
X
—
f(X)
—
最小值
—
f(最小值)
—
时钟滴答
—
错误
—