牛顿法matlab程序最优化

下面是使用牛顿法进行最优化的 Matlab 程序示例：

function [x, fval, exitflag] = newton(fun, x0, eps)
% fun: 目标函数句柄
% x0：初始点
% eps：停止精度
% x：最优点
% fval：最优点处的函数值
% exitflag：退出标志

% 参数初始化
x = x0;
f = fun(x);
g = gradient(fun, x);

% 算法迭代
iter = 0;
while norm(g) > eps
    % 求解 Hessian 矩阵
    H = hessian(fun, x);
    
    % 求解搜索方向
    d = -H \ g;
    
    % 更新迭代点
    x = x + d;
    
    % 求解函数值和梯度
    f = fun(x);
    g = gradient(fun, x);
    
    iter = iter + 1;
end

% 返回结果
fval = f;
exitflag = (norm(g) <= eps);

其中，`fun` 为目标函数句柄，`x0` 为初始点，`eps` 为停止精度；`x` 为最优点，`fval` 为最优点处的函数值，`exitflag` 为退出标志。算法迭代时，每次都需要求解 Hessian 矩阵和搜索方向，并更新迭代点和函数值/梯度，直到满足停止精度要求。