最优化学习笔记(十二)——基本共轭方向算法(续)
生活随笔
收集整理的這篇文章主要介紹了
最优化学习笔记(十二)——基本共轭方向算法(续)
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
????目標(biāo)函數(shù)為n維二次型函數(shù)時,共軛方向法能夠在n步迭代之后得到極小點(diǎn)。接下來會發(fā)現(xiàn),共軛方向法的中間迭代步驟具有一種很有意義的性質(zhì)。選定x(0)作為迭代初始點(diǎn), d(0)為初始搜索方向, 有:
可以證明:
g(1)Td(0)=0
推導(dǎo)過程:
g(1)Td(0)=(Qx(1)?b)Td(0)=x(0)TQd(0)?(g(0)Td(0)d(0)TQd(0))d(0)TQd(0)?bTd(0)=g(0)Td(0)?g(0)Td(0)=0
????方程 g(1)Td(0)=0表示步長為 α0=argmin?0(α),其中, ?0(α)=f(x(0)+αd(0)).推導(dǎo)過程如下:
由鏈?zhǔn)椒▌t可得:
d?0dα(α)=?f(x(0)+αd(0))Td(0)
將 α=α0帶入得:
d?0dα(α0)=g(1)Td(0)=0
由于 ?0是關(guān)于 α的平方函數(shù),其中 α2的系數(shù)為 d(0)TQd(0)>0, 說明 ?0存在唯一的極小點(diǎn),因此, α0=argmin?0(α)。
????以此類推,可以證明,對于所有 k,都有:
g(k+1)Td(k)=0
即
α0=argminf(x(k)+αd(k))
實(shí)際上,還有更一般的結(jié)論,如下引理所示:
* 引理 *在共軛方向算法中, 對于所有的 k,0≤k≤n?1,0≤i≤k 都有 :
g(k+1)Td(i)=0
總結(jié)
以上是生活随笔為你收集整理的最优化学习笔记(十二)——基本共轭方向算法(续)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Spring MVC之@RequestP
- 下一篇: S5PV210开发 -- UART 详解