Mathematica 9 is now available
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE DOCUMENTATION CENTER FOR THE LATEST INFORMATION.
Wolfram Mathematica Documentation Center
DOCUMENTATION CENTER SEARCH
New to Mathematica? Find your learning path »
Mathematica > 数学和算法 > 最优化 > FindMinimum >
Mathematica > 数学和算法 > 图与网络 > 图编程 > 最优化 > FindMinimum >
Mathematica > 可视化与图形 > 图与网络 > 图编程 > 最优化 > FindMinimum >
MATHEMATICA 内置符号教程 »|参见 »|更多关于 »

FindMinimum

FindMinimum
搜索 f 的局部极小值，从一个自动选定的点开始.
FindMinimum
搜索 f 的局部最小值，初始值是 .
FindMinimum
搜索多元函数的局部最小值.
FindMinimum
搜索约束条件 cons 下局部最小值.
FindMinimum
初始值在约束条件定义的区域内.
更多信息
  • FindMinimum 返回 形式的列表，其中 是找到的 f 最小值，且 是要找的 x 值.
  • 如果变量的初始值是以列表形式给出，变量值采用相同维数的列表.
  • 约束条件 cons 可以包含方程、等式或这些表达式的逻辑组合.
  • FindMinimum 首先局部化所有变量值，然后计算符号变量 f，然后重复进行计算数值结果.
  • FindMinimum 用 和 作为 x 的前 2 个值搜索 f 的局部最小值，避免使用导数.
  • FindMinimum 搜索局部最小值，如果 x 超出了 到 的范围，停止搜索.
  • 除了当 f 和 cons 都是线性的，FindMinimum 的结果可能是局部的，但不是全局的最小数.
  • 在默认情况下，所有变量都假定为实数.
  • 对于线性 f 和 cons，xIntegers 可以用来指定一个变量仅采用整数值.
  • 可以给出下列选项：
AccuracyGoalAutomatic搜索的准确度
EvaluationMonitorNone当 f 计算时，计算的表达式
GradientAutomaticf 梯度分量的列表
MaxIterationsAutomatic使用最大迭代数
MethodAutomatic使用的方式
PrecisionGoalAutomatic搜索的精度
StepMonitorNone每个步骤计算的表达式
WorkingPrecisionMachinePrecision内部计算的精度
范例关闭所有单元
例   (3)
搜索一个局部最小值，初始值为 ：
提取 的局部最小值：
求局部最小值，初始值为 ，在约束条件 下：
求一个线性函数的最小值，在线性和整数条件下：
搜索一个局部最小值，初始值为 ：
In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
提取 的局部最小值：
In[3]:=
Click for copyable input
Out[3]=
 
求局部最小值，初始值为 ，在约束条件 下：
In[1]:=
Click for copyable input
Out[1]=
 
求一个线性函数的最小值，在线性和整数条件下：
In[1]:=
Click for copyable input
Out[1]=
范围   (6)
不同的初始值，您可以获得不同的局部最小值：
一个 2 元函数的最小值，初始值为 ，：
限制在一个圆盘内的局部最小值：
不提供初始值：
对线性目标和约束条件，加上整数约束条件：
可以指定 Or 约束条件：
选项   (7)
这指定收敛规则 和 ：
这指定收敛规则 和 ，在缺省的机器精度计算中不可能达到：
设置一个高 WorkingPrecision，使过程收敛：
绘制收敛于局部最小值：
使用一个给定的梯度; 自动地计算 Hessian：
同时提供梯度和 Hessian：
在这个例子中，用缺省的基于导数的方式会有困难：
在这些例子中，不需要导数的直接搜索方式会有帮助：
NMinimize 也可以使用直接搜索方式的范围：
在求传统 Rosenbrock 函数最小值中，FindMinimum 采用的步骤：
设置工作精度为 ；缺省情况下 AccuracyGoal 和 PrecisionGoal 设置为 ：
应用   (1)
优化资产配置：从 1973 年到 1994 年，长期债券和 S&P 500 指数的周年申报表 () 分析：
计算均值和协方差：
为了减少波动，实现了10 ％的回报，通过组合股票和债券，两个资产最优的百分比是：
属性和关系   (2)
FindMinimum 尽可能返回一个局部最小值，NMinimize 尽可能求一个全局最小值：
Minimize 求全局最小值，并在无穷精度下计算：
FindMinimum 给出最小值和产生最小值的点：
FindArgMin 给出最小值的位置：
FindMinValue 给出最小值：
可能存在的问题   (6)
用机器精度算法，甚至具有平滑最小值的函数看起来会崎岖不平的：
超出机器精度通常可以避免这类的问题：
如果限定区域为空，算法不会收敛：
如果最小值不是有限的，算法不会收敛：
整数的线性程序算法仅对机器数问题有效：
某些时候提供一个适当的初始值，对收敛算法会有帮助：
符号计算函数可能很耗时：
限制函数定义可防止符号计算：
版本 1 的新功能 | 版本 6 修改功能
Ask a question about this page  |  Suggest an improvement  |  Leave a message for the team
格式:   HTML  |  CDF