Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- clear all
- clc
- elaxistoMeGammaStathero(-1, -1, 0.2);
- function elaxistoMeGammaStathero(x0, y0, gamma)
- % 1. Ορίζω το ε της συνθήκης τερματισμού ως το 1/100 για παράδειγμα
- % της τιμής που δίνω στο γκ = σταθερό εδώ
- epsilon = gamma / 100;
- syms x y
- f = x^3 * exp(-x^2-y^4);
- klisi = gradient(f, [x,y]);
- % 2. Ορίζω τις λίστες που θα τοποθετήσω τα xi, yi. Τις ονομάζω xList,
- % yList, θα βάζω επίσης και τις τιμές της f και του μέτρου της κλίσης
- % της σε άλλες 2 λίστες
- k = 1;
- xList = []; yList = [];
- xList(1) = x0; yList(1) = y0;
- fList = []; normKlisisList = [];
- fList(1) = subs(f, {x,y}, {xList(length(xList)), yList(length(yList))});
- normKlisisList(1) = norm(subs(klisi, {x,y}, {xList(length(xList)), yList(length(yList))}));
- while normKlisisList(length(normKlisisList)) > epsilon
- k = k + 1;
- dk = -subs(klisi, {x,y}, {xList(length(xList)), yList(length(yList))});
- % Το dk είναι 2*1 διάνυσμα, το 1ο στοιχείο του αφορά τον υπολογισμό
- % του x και το 2ο τον υπολογισμό του y
- % xk+1 = xk + γk*dk = xk - γk * grad(f(xk))
- xList(k) = xList(k-1) + gamma * dk(1);
- yList(k) = yList(k-1) + gamma * dk(2);
- fList(k) = subs(f, {x,y}, {xList(length(xList)), yList(length(yList))});
- normKlisisList(k) = norm(subs(klisi, {x,y}, {xList(length(xList)), yList(length(yList))}));
- end
- xList
- yList
- fList
- normKlisisList
- k
- % Τα τελευταία xk, yk κάθε λίστας τα ονομάζω εν συντομία xx και yy
- display('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
- display('~~~~~~~~ About the last found xk (xx) and yk (yy) ~~~~~~~~')
- display('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
- xx = xList(length(xList))
- yy = yList(length(yList))
- F_xx_yy = fList(length(fList))
- NORM_KLISIS = normKlisisList(length(normKlisisList))
- display('**********************************************************')
- end
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement