matlab梯度下降算法示例

梯度下降算法是一种常用的优化算法，用于求解函数的最小值。在MATLAB中，可以使用以下示例来演示梯度下降算法的实现：

% 定义目标函数
f = @(x) x^2 + 2*x + 1;

% 定义目标函数的梯度
df = @(x) 2*x + 2;

% 设置初始点和学习率
x0 = 0;
learning_rate = 0.1;

% 迭代更新参数
for i = 1:100
    % 计算梯度
    gradient = df(x0);
    
    % 更新参数
    x0 = x0 - learning_rate * gradient;
end

% 输出最优解
disp(['最优解为：', num2str(x0)]);

在上述示例中，我们首先定义了目标函数 `f` 和其梯度 `df`。然后设置初始点 `x0` 和学习率 `learning_rate`。接下来，通过迭代更新参数的方式，使用梯度下降算法逐步逼近最优解。最后，输出得到的最优解。