次梯度算法matlab

次梯度算法（Subgradient algorithm）是一种用于求解凸优化问题的数值算法。它适用于无法直接计算函数的梯度的情况，但能通过计算子梯度来逼近函数的梯度。Matlab为我们提供了便捷的工具来实现次梯度算法。

次梯度算法的步骤如下：
1. 初始化变量x和步长参数α（学习率）。
2. 计算函数在当前点x的子梯度g。
3. 更新变量x： x = x - α * g。
4. 重复步骤2和步骤3，直到满足终止条件。

在Matlab中实现次梯度算法，我们可以按照以上步骤进行编码：
1. 初始化变量x和学习率α。
2. 定义函数以及函数的子梯度。
3. 实现迭代循环，计算子梯度和更新变量x。
4. 判断迭代是否满足停止条件，并输出结果。

具体的Matlab代码示例如下：

% 初始化变量x和学习率α
x = zeros(n, 1);
alpha = 0.01;

% 定义函数以及函数的子梯度
function f = myFunction(x)
    % 定义函数
    f = ... ; % 这里填写函数表达式
end

function g = mySubgradient(x)
    % 计算子梯度
    g = ... ; % 这里填写子梯度的计算表达式
end

% 迭代循环
while (notTerminationConditionMet)
    % 计算子梯度
    g = mySubgradient(x);
    
    % 更新变量x
    x = x - alpha * g;
    
    % 判断停止条件
    notTerminationConditionMet = ... ; % 这里填写停止条件的判断表达式
end

% 输出结果
disp(x);