凸优化Python实战(2)

代码可以在 https://github.com/HarmoniaLeo/optimization-in-a-nutshell找到，如果帮助到你，请点个star，谢谢这对博主真的很重要！
本次引用Function.py和lagb.py也可以在最优化(1)_ 最优化问题概念与基本知识 找到

import numpy as np
from Function import Function   #定义法求导工具
from lagb import *  #线性代数工具库

n=2 #x的长度

def myFunc(x):  #x是一个包含所有参数的列表
    return x[0]**2 + 2*x[1]**2 + 2*x[0] - 6*x[1] +1 #目标方程

x=np.zeros(n)   #初值点
rho=0.6
beta=1
sigma=0.4
e=0.001
k=0
tar=Function(myFunc)
while tar.norm(x)>e:
    d=-tar.grad(x)
    a=1
    if not (tar.value(x+a*d)<=tar.value(x)+rho*a*dot(turn(tar.grad(x)),d) and dot(turn(tar.grad(x+a*d)),d)>=sigma*dot(turn(tar.grad(x)),d)):
        a=beta
        while tar.value(x+a*d)>tar.value(x)+rho*a*dot(turn(tar.grad(x)),d):
            a*=rho
        while dot(turn(tar.grad(x+a*d)),d)tar.value(x)+rho*(a+da)*dot(turn(tar.grad(x)),d):
                da*=rho
            a+=da
    x+=a*d
    k+=1
    print(k)
print(x)

深入浅出最优化(3) 最速下降法与牛顿法：https://www.jianshu.com/p/c1f40133e04a
最速下降法(上)：https://www.bilibili.com/video/BV1RK4y1a75C?spm_id_from=333.999.0.0
最速下降法(下)：https://www.bilibili.com/video/BV1ey4y1k7jY?spm_id_from=333.999.0.0