3
我嘗試實現了基於Numerical Optimization using the Levenberg-Marquardt Algorithm演示文稿基於Julia求解非線性方程的levenberg-marquardt方法。這我的代碼:用於求解非線性方程的levenberg-marquardt方法
function get_J(ArrOfFunc,X,delta)
N = length(ArrOfFunc)
J = zeros(Float64,N,N)
for i = 1:N
for j=1:N
Temp = copy(X);
Temp[j]=Temp[j]+delta;
J[i,j] = (ArrOfFunc[i](Temp)-ArrOfFunc[i](X))/delta;
end
end
return J
end
function get_resudial(ArrOfFunc,Arg)
return map((x)->x(Arg),ArrOfFunc)
end
function lm_solve(Funcs,Init)
X = copy(Init)
delta = 0.01;
Lambda = 0.01;
Factor = 2;
J = get_J(Funcs,X,delta)
R = get_resudial(Funcs,X)
N = 5
for t = 1:N
G = J'*J+Lambda.*eye(length(X))
dC = J'*R
C = sum(R.*R)/2;
Xnew = X-(inv(G)\dC);
Rnew = get_resudial(Funcs,Xnew)
Cnew = sum(Rnew.*Rnew)/2;
if (Cnew < C)
X = Xnew;
R = Rnew;
Lambda = Lambda/Factor;
J = get_J(Funcs,X,delta)
else
Lambda = Lambda*Factor;
end
if(maximum(abs(Rnew)) < 0.001)
return X
end
end
return X
end
function test()
ArrOfFunc = [
(X)->X[1]+X[2]-2;
(X)->X[1]-X[2]
];
X = lm_solve(ArrOfFunc,Float64[3;3])
println(X)
return X
end
但是從任何出發點的步驟都不被接受。我做錯了什麼? 任何幫助,將不勝感激。
您沒有包含函數compute的定義,這使得很難測試您的代碼。 – DNF
它不應該是'inv(G)* dC'或'G \ dC',但不是兩者的混合?由於線性系統的解決方案不需要逆矩陣的計算,所以優選第二個。 – LutzL
什麼是錯誤信息? – DNF