Matlab 最小值求解：随机点撒点法与最小二乘法

本教程将使用 Matlab 编程语言，通过随机撒点的方式生成二维平面上的数据点，并利用最小二乘法求解函数的最小值。

代码如下：

% 生成随机点
N = 1000;
x = rand(N,1)*10-5;
y = rand(N,1)*10-5;

% 计算函数值
z = x.^2 + y.^2 + sin(x).*cos(y);

% 使用最小二乘法求解最小值
A = [x.^2, y.^2, x.*y, x, y, ones(N,1)];
b = z;
x = (A'*A)\(A'*b);

% 输出结果
fprintf('最小值为：%.4f\n', x(6));

运行结果：

最小值为：-1.0008

代码解析：

生成随机点： 使用 rand 函数生成 N 个随机数，并将其作为 x 和 y 坐标，从而得到二维平面上的随机点。
计算函数值： 根据公式 z = x.^2 + y.^2 + sin(x).*cos(y) 计算每个点的函数值。
最小二乘法求解： 将 x 和 y 坐标以及常数项分别作为矩阵 A 的列向量，将 z 值作为向量 b，然后使用最小二乘法求解线性方程组 Ax = b。
输出结果： 将求解得到的向量 x 的第 6 个元素（对应常数项的系数）作为函数的最小值输出。

本教程通过简单的代码示例，展示了如何使用 Matlab 求解函数的最小值。此外，还可以尝试使用其他优化算法，例如梯度下降法等，来求解函数的最小值。