算法

用Python实现线性规划 使用python库中scipy中的函数linprog来求解线性规划 linprog函数中线性规划的标准形式为 [ min c^Tx s.tleft{begin{aligned}Auqcdot x&le b Aeqcdot x&=beq

极值充分条件 设二元函数在点的某邻域上具有二阶连续偏导数，且是的稳定点。则当是正定矩阵时，在点处取得极小值；当是负定矩阵时，在点处取得极大值；当H_f(P_0)

阻尼牛顿法（Python实现） 使用牛顿方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 的极小值 import numpy as np import tensorflow as tf def fun(x):

最速下降法（Python实现） 使用最速下降法方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 的极小值 import numpy as np import tensorflow as tf def fun(x

给定函数，求在点处的最速下降方向和牛顿方向 [ f(x)=(6+x_1+x_2)^2+(2-3x_1-3x_2-x_1x_2)^2 frac{partial f}{p

def f(x): return x ** 3 - 2 * x + 1 # 返回函数的值 def f1(s0, s1, s2): return (((s1 ** 2 - s2 ** 3) * f(s0) + (s2 ** 2 - s0 ** 2) * f(s1) + (s0 **

def fun(x): return x ** 3 - 2 * x + 1 def solve(a, b, epsilon): lamd = (5 ** 0.5 - 1) / 2 delta = b - a p = a + (1 - lamd) * (b - a) q = a +