写matlab代码用斐波那契法求函数最优解打印迭代过程

在MATLAB中，你可以使用循环结构（如for循环）结合斐波那契搜索算法来近似找到某个函数的最小值。斐波那契搜索是一种优化搜索策略，它利用斐波那契数列的特点来缩小搜索范围。下面是一个简单的示例，假设我们要找的是一个名为`f(x)`的一元函数的最小值：

% 定义一个一元函数（这里仅作示例，你需要替换为你实际需要求解的函数）
function f = my_function(x)
    % 替换为你的函数表达式
    f = x^2; % 这里是个简单的平方函数，实际问题可能更复杂

% 斐波那契数列生成函数
fibonacci = @(n) fibonacci_helper(n);

% 斐波那契搜索函数
function result = fibonacci_search(f, a, b, tol)
    fibs = fibonacci(4); % 初始化斐波那契数列长度
    while (b - a) >= tol
        c = a + fibs(3) * (b - a);
        if f(a) > f(c)
            a = c;
        else
            b = a;
        end
        
        % 更新斐波那契数列
        fibs = fibs(2:end+1);
        
        fprintf('Iteration: %.2f, Function Value at X: %.2f\n', c, f(c)); % 打印迭代过程
    end
    result = a; % 返回最终估计的最小值
end

% 示例函数和边界条件
f = @my_function;
a = 0; % 下界，b = 上界，可根据需求设置
b = 10; % 可能的初始范围
tol = 1e-6; % 精度阈值

% 开始搜索并打印迭代过程
[min_val, min_x] = fibonacci_search(f, a, b, tol);
fprintf('Minimum value occurs at X = %.2f with the value of %.2f\n', min_x, min_val);

在这个例子中，`my_function`是你需要优化的目标函数，`fibonacci_search`函数负责执行斐波那契搜索。每次迭代都会打印出当前的猜测点及其对应的函数值。