Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Алгоритм метода сопряжённых градиентов
Шаг 0. Задать параметр точности , выбрать х0 , вычислить f(x0). Шаг 1. Положить к=0, p0= - ; Шаг 2. Решить задачу одномерной минимизации Ф(α)=f(х0+ α pk) , т.е. найти αk. Шаг 3. Положить х k +1 =х k + α k pk. Проверить критерий останова: || ||< . Если он выполнен, то вычисления завершить, полагая x *= xk +1, f *= f (xk +1). Шаг 4. Проверить условие к+1=n. Если оно выполняется, то положить x0=xk+1, f(x0)=f(xk+1) и перейти к шагу 1 (обновление метода). Шаг 5. Вычислить коэффициент и найти новое направление поиска pk +1 = - + pk. Положить к=к+1 и перейти к шагу 2. Замечание 1. Описанный метод является методом первого порядка, поэтому для решения задачи одномерной минимизации на шаге 2 целесообразно использовать, например, метод хорд, выбирая в качестве интервала поиска α отрезок [0,1]. Замечание 2. Обновление метода, как правило, производится и для квадратичных функций, так как решение задач одномерной минимизации зачастую сопровождается вычислительными погрешностями. Пример 1. Найти методом сопряжённых градиентов точку минимума функции , начав поиск с точки . Решение. =(8 x 1 -4 x 2 +1;6 x 2 -4 x 1). Итерация 1. 0. Зададим =0,01, x 0 =(0,0), = (1,0), || ||=1. 1. Положим к=0, p0= - = (-1,0). 2. Решим задачу одномерной минимизации по α: α0=1/8. 3. Найдем х1=х0+ α0 p 0 =(-1/8,0), (0,1/2), . 4. 5. = 1/4. p 1 = - + p 0 =(-1/4,-1/2). Итерация 2. 2. Решим задачу одномерной минимизации по α:
α1=1/4. 3. Найдем х2=х1+ α1 p 1 = (-3/16,-1/8). (0,0) - получено оптимальное решение, x *= x 2 Решение получено в результате двух итераций, поскольку целевая функция квадратичная и одномерные задачи оптимизации решены точно.
Метод Ньютона Если в результате преобразования x = zQ матрица квадратичной формы приводится к единичной (т. е. ), то метод наискорейшего спуска z 1 =z0- α* , получает решение за один шаг. В пространстве переменных х данный переход запишется в виде х1 =х0 - α* или х1 =х0- α* . Так как = H -1, то х1 =х0- α* H -1. Итеративный метод вида х k +1 =хk- αk H -1 носит название метода Ньютона. Для квадратичной функции с положительно определенной матрицей Гессе применение метода Ньютона с шагом обеспечивает получение точки глобального минимума ровно за одну итерацию, независимо от выбора начальной точки. Для выпуклой неквадратичной функции применение этого метода обеспечивает, как правило, быструю сходимость. Однако если точка х0 выбрана недостаточно близко к оптимальному решению, то последовательность х k может расходиться (как и в одномерном случае).
Существенным недостатком метода Ньютона является необходимость вычисления и обращения матрицы Гессе на каждой итерации.
Алгоритм метода Ньютона Шаг 0. Задать параметр точности , выбрать х0 , вычислить f(x0). Шаг 1. Найти и проверить критерий останова: || ||< . Если он выполнен, то вычисления завершить, полагая x *= x 0, f *= f (x 0). Шаг 2. Положить х0=х0- H -1, вычислить f(x0) и перейти к шагу 1. Пример 1. Найти методом Ньютона точку минимума функции , начав поиск с точки . Решение. Посчитаем вектор-градиент функции =(8 x 1 -4 x 2 +1;6 x 2 -4 x 1). Матрица вторых частных производных имеет вид H = .
Найдем обратную матрицу H -1 = . 0. Выберем =0.001, , f(x0)=0. 1. Посчитаем =(1,0), || ||=1> . 2. Положим х0=х0- H -1 = , f(x0)= 3. =(0,0) -найдено оптимальное решение x*= . Целевая функция квадратичная, поэтому решение задачи получено за одну итерацию. Задачи для самостоятельного решения
1. Найти различными методами точку минимума следующих функций:
2. Показать, что для квадратичной функции в методе Ньютона шаг .
|
|||||||||
Последнее изменение этой страницы: 2021-11-27; просмотров: 34; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.143.4.181 (0.009 с.) |