梯度下降法的matlab代码

以下是一个简单的梯度下降法的 Matlab 代码示例：

% 定义函数
f = @(x) (x(1)^2 + x(2)^2);

% 定义梯度函数
grad_f = @(x) [2*x(1); 2*x(2)];

% 初始点
x0 = [1; 1];

% 学习率
alpha = 0.1;

% 迭代次数
max_iter = 100;

% 迭代过程
for i=1:max_iter
    % 计算梯度
    grad = grad_f(x0);
    
    % 更新参数
    x0 = x0 - alpha * grad;
    
    % 打印当前迭代结果
    fprintf('Iteration %d: x = (%f, %f), f(x) = %f\n', i, x0(1), x0(2), f(x0));
end

在这个示例中，我们定义了一个简单的二次函数 $f(x) = x_1^2 + x_2^2$，并使用梯度下降法来最小化这个函数。我们使用初始点 $x_0 = (1, 1)$，学习率 $\alpha = 0.1$，和最大迭代次数为 100。在每次迭代中，我们计算梯度 $\nabla f(x)$，然后更新参数 $x$。最后，我们打印出当前迭代的结果。

请注意，这个示例只是一个简单的示例，实际使用时需要根据具体问题进行调整。