对于无约束优化问题，一般是采用迭代法进行计算，其标准格式为：
x(k+1)=x(k)+a*s 其中a称作步长，s称作方向。步长a一般可以通过一维不精确线搜索（Armijo准则）计算，而根据方向s选择的不同，无约束优化问题一般有最速下降法、BFGS、共轭梯度法，牛顿及拟牛顿法等等，今天只讲最速下降法。
最速下降法的前进方向是目标函数f(x)的负梯度方向。其C语言代码如下：
// Zhuxu12-4.cpp : 定义控制台应用程序的入口点。
//
include “stdafx.h”
include <math.h>
float fun(float x, float y)
{
return (1 - x)(1 - x) + 100 (y - x*x)*(y - x*x);
}
void gfun(float x, float y, float& g1, float& g2)
{
g1 = (-2)(1 - x) - 400*x(y - x*x);
g2 = 200*(y - x*x);
}
float min(float a, float b)
{
return (a<b) ? a : b;
}
int armijo(float x, float y, float rho, float sigma, float dx, float dy)
{
float x1, y1;
float g1, g2;
gfun(x, y, g1, g2);
int i = 0;
int imax = 100;
while (i<=imax)
{
x1 = x + pow(rho,i)dx;
y1 = y + pow(rho, i)*dy;
if (fun(x1, y1) <= fun(x, y) + sigma*pow(rho, i)(g1*dx + g2*dy))
break;
i = i + 1;
}
return i;
}
int main(int argc, char* argv[])
{
float x0, y0;
float x, y;
printf(“Please input the initial value:x0,y0\n”);
scanf_s(“%f ,%f”, &x0, &y0);
printf(“x=%f,y=%f\n”, x0, y0);
int max_iter = 50000;
float g1,g2,s1,s2;
x = x0;
y = y0;
float rho=0.5f;
float sigma = 0.2f;
float EPS = 1e-4f;
int i = 0;
int j = 0;
while (i <= max_iter)
{
i = i + 1;
printf(“第%d次：\n”, i);
gfun(x, y, g1, g2);
if (sqrt(pow(g1, 2) + pow(g2, 2)) < EPS)
break;
s1 = -g1;
s2 = -g2;
j= armijo(x, y, rho, sigma, s1, s2);
printf(“搜索次数：%d\t”, j);
printf(“最佳步长：%f\n”, pow(rho,j));
x = x + pow(rho, j)*s1;
y = y + pow(rho, j)*s2;
}
printf(“最优解是：x=%f,y=%f\n”, x,y);
return 0;
}
对于无约束优化问题，一般是采用迭代法进行计算，其标准格式为：
x(k+1)=x(k)+a*s 其中a称作步长，s称作方向。步长a一般可以通过一维不精确线搜索（Armijo准则）计算，而根据方向s选择的不同，无约束优化问题一般有最速下降法、BFGS、共轭梯度法，牛顿及拟牛顿法等等，今天只讲最速下降法。
最速下降法的前进方向是目标函数f(x)的负梯度方向。其C语言代码如下：
// Zhuxu12-4.cpp : 定义控制台应用程序的入口点。
//