1、Rosenbrock函数

#！／user/bin/env python
#-*- coding:utf-8 -*-
#梯度下降Rosenbrock函数

def rb(x,y):
    #定义rosenbrock函数
    return (1-x)**2+100*(y-x**2)**2

def partial_x(x,y):
    #计算x的偏导数
    return -2*(1-x)-400*x*(y-x**2)

def partial_y(x,y):
    #计算y的偏导数
    return 200*(y-x**2)

def bgd_rosenbrock():
    x=0
    y=0
    i=0
    learning_rate = 0.001
    while i < 10000:
    #步长0.001下降10000步
        x = x - learning_rate * partial_x(x, y)
        y = y - learning_rate * partial_y(x, y)
        print('min',rb(x,y))
        i = i+1
bgd_rosenbrock()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
最终最小结果

min 7.6209387766275974e-06
---------------------
【转载】仅作分享，侵删
作者：诺坎普奇迹
原文：https://blog.csdn.net/wangxingfan316/article/details/82054712

奈斯