关于该资源的详细描述请参考本人博客内容 https://blog.csdn.net/qq_36584460/article/details/123961051

Rosenbrock函数Matlab代码非手术治疗 该存储库包含 Curtis 和 Overton [1] 的 SQP-GS（顺序二次编程 - 梯度采样）算法的Python实现。 注意：这个实现是一个原型代码，它只针对一个简单的问题进行了测试，并且没有进行性能优化。 论文作者提供了一个 Matlab 实现，参见 [2]。 数学描述 该算法可以解决以下形式的问题 min f(x) s.t. g(x) <= 0 h(x) = 0 其中f 、 g和h是局部 Lipschitz 函数。 因此，该算法可以解决具有非凸和非光滑目标和约束的问题。 有关详细信息，我们参考原始论文。 例子 该代码针对 Rosenbrock 函数的 2 维非平滑版本进行了测试，受最大函数约束。 请参见 [1] 中的示例 5.1。 对于这个问题，解析解是已知的。 下图显示了SQP-GS在不同起点的轨迹。 最后的迭代用黑色加号标记，而解析解用金色星星标记。 我们可以看到该算法始终如一地找到了最小值。 要重现此实验，请参阅文件test_rosenbrock.py 。 实施细则 求解器具有三个主要参数，称为f 、 gI和gE 。

利用改进的Gerchberg-Saxton(GS)算法和广义相衬(GPC)结构，用纯相位空间光调制器(SLM)实现彩色图像的重现。提取出彩色图像的红、绿、蓝三色信息，利用改进的GS算法和相应波长的GPC结构，计算出输入面的纯相位分布。将所得相位分别编码加载到三个SLM上，用相应波长的激光分别照射三个SLM，在GPC输出面上进行合成，可以得到目标图像。与常规计算全息(CGH) 相比，该方法不需要移除零级衍射光，除具有较好的像质外，还提高了光能利用率；另外，根据不同波长设计固定的相衬滤波器(PCF)参量，不会因目标图像的不同而改变，放宽了GPC应用的限制条件。

基于MATLAB的GS算法，计算全息图及图像重建

利用GS算法和Fienup算法构建相位全息图，对比收敛速度

基于matlab设计DOE元件的GS算法源代码，有3个文档，其中t31.m演示了GS算法的实现。适用于标量衍射理论计算。

gs算法又称迭代傅立叶算法，本段代码主要基于Matlab 利用迭次傅立叶算法生成全息图并再现。

基于GS算法的全息数字水印MATLAB编译包涵图像和源代码。

相位恢复算法，基于强度信息恢复相位信息。GERCHBERG_SAXTON 算法。

学习GS算法时的一点小收获，希望可以帮助大家。这篇代码包含了GS算法的思想和应用