一维黄金分割法：从理论到Matlab实现

一维黄金分割法，也称为黄金分割搜索（Golden Section Search）或0.618法，是一种用于寻找单峰函数局部最大值的优化算法。该方法基于黄金分割的比例，即较长线段与整体线段的比值为0.618。在每次迭代中，黄金分割法将搜索区间一分为二，并根据函数的值来决定下一步的搜索方向。
在Matlab中实现黄金分割法相对简单。下面是一个基本的代码示例，用于演示如何使用Matlab实现一维黄金分割法。

function [x_opt, f_opt] = golden_section(func, a, b, tol)
% 输入：
% func - 要优化的函数句柄
% a, b - 搜索区间的上下界
% tol - 容忍度（即精度）
% 输出：
% x_opt - 函数局部最大值的近似解
% f_opt - 函数在x_opt处的值
% 计算初始区间长度和黄金分割点
L = b - a;
phi = golden(L); % 黄金分割点
% 初始步长和方向
x1 = a + phi * L;
x2 = b - phi * L;
f1 = func(x1);
f2 = func(x2);
dir = f1 < f2; % 根据函数值决定搜索方向
while abs(L) > tol  % 当区间长度大于容忍度时继续迭代
if dir == 1
b = x2;  % 移动右端点
x2 = x1 + phi * L;  % 计算新的右端点位置
f2 = func(x2);  % 计算新点处的函数值
else
a = x1;  % 移动左端点
x1 = x2 - phi * L;  % 计算新的左端点位置
f1 = func(x1);  % 计算新点处的函数值
end
dir = f1 < f2;  % 根据函数值决定新的搜索方向
L = b - a;  % 更新区间长度
end
x_opt = (a + b) / 2;  % 取区间中点作为最优解的近似值
f_opt = func(x_opt);  % 计算函数在最优解处的值
end

在上述代码中，我们定义了一个名为golden_section的函数，它接受四个参数：要优化的函数句柄func，搜索区间的上下界a和b，以及容忍度tol。函数返回两个值：x_opt是函数局部最大值的近似解，f_opt是函数在x_opt处的值。
在函数的主体部分，我们首先计算初始区间长度和黄金分割点。然后，我们初始化两个搜索点x1和x2，以及对应的函数值f1和f2。根据函数值的大小决定搜索方向（即更新步长和方向）。在每次迭代中，我们根据当前的步长和方向移动搜索区间的端点，并计算新的端点处的函数值。我们重复这个过程，直到区间长度小于容忍度。最后，我们取区间中点作为最优解的近似值，并计算函数在该点的值。
请注意，上述代码是一个基本示例，可能需要根据具体的应用场景进行调整。在实际使用中，您可能需要根据您的具体需求对代码进行修改和优化。