请教一个优化目标函数的算法

logxing

如果自动处理无望，那么只有靠手动实现，基本就是梯度法。虽然麻烦点但迭代次数是有限的。

比如先选一个初值A1，B1，C1，得到一个目标函数，比如（Emax-Emin）
再计算A1+delta，B1，C1得到（Emax-Emin）1
再计算A1，B1+delta，C1得到（Emax-Emin）2
再计算A1，B1，C1+delta得到（Emax-Emin）3
这里delta是个很小的数，比如0.0000001

这样就得到了搜索方向，再确定搜索步长，按照梯度法的思路走就行了。

sun1993

只是一直纠结于结果稳定和最小值当中
应该是用优化方法来找目标函数的最小值
而目标函数应当是两次算出结果的比较，即差值
问题就出在目标函数上

补充一下，所谓结果稳定，是希望（A1，B1，C1) 算出的E1与（A2，B2，C2），（A3，B3，C3)，。。。算出的E1相差很小，
同理E2 与E2，E3与E3，。。。
而E1，E2，E3 等则没什么相差很小的要求

[ 本帖最后由 sun1993 于 2009-2-17 16:04 编辑 ]

logxing

那应该简单多了，目标函数都不用写了，就是求E（A,B,C，i）的极值点。