Resenbrock函数为两个平方数的和，当x=x=时，整个目标函数有最小值0。可以看 出， 在相同的设置下，最速下降法得到的结果最差。这是因为最速下降法特别不适合于从 狭长通道到达最优解的情况。另一方面，使用默认的BFGS方法的fminunc函数的效率明显 高于fminsearch函数，因为对目标函数调用的次数与迭代的步数都明显少于后者，但由前者 得出的解的精度没有后者高。而在这个求平方和最小的具体问题中，使用Isqnonlin函数把 问题当作最小二乘优化问题来求解显然比上述两种方法更合适。 从三维等高线图 (图3)中可以看出，函数的最小值点在图中的一个很窄的白色带状区 域内，在这个区域内函数值的变化较为平缓，形如香蕉，故Rosenbrock函数又称为香蕉函 数。这种在最值点附近变化缓慢的特性会造成算法在解点附近选代过慢的问题。所以这个函 数经常用来测试最优化算法的优劣。Resenbrock 函数为两个平方数的和，当 x1=x2=1 时，整个目标函数有最小值 0。可以看 出，在相同的设置下，最速下降法得到的结果最差。这是因为最速下降法特别不适合于从一 狭长通道到达最优解的情况。另一方面，使用默认的 BFGS 方法的 fminunc 函数的效率明显 高于 fminsearch 函数，因为对目标函数调用的次数与迭代的步数都明显少于后者，但由前者 得出的解的精度没有后者高。而在这个求平方和最小的具体问题中，使用 lsqnonlin 函数把 问题当作最小二乘优化问题来求解显然比上述两种方法更合适。 从三维等高线图（图 3）中可以看出，函数的最小值点在图中的一个很窄的白色带状区 域内，在这个区域内函数值的变化较为平缓，形如香蕉，故 Rosenbrock 函数又称为香蕉函 数。这种在最值点附近变化缓慢的特性会造成算法在解点附近迭代过慢的问题。所以这个函 数经常用来测试最优化算法的优劣