牛顿法 二阶梯法.pptxVIP

§3.3牛顿法（二阶梯度法）一原始牛顿法 基本思想：是利用二次函数（二次曲线）来逐点去近似或逼近原目标函数 ，然后求出这个二次函数的极小点 作为对原目标函数求优的下一个迭代点 通过若干次的重复迭代，使迭代点逐步逼近原目标函数极小点 。设已知一维目标函数 的初始点过A点作一与原目标函数 相切的二次曲线——抛物线 ，求此抛物线的极小点的坐标 ，将 代入原目标函数 求得 值或B点，过B再作与 相切的二次曲线求C直到求出 。设 只有连续一，二阶偏导数，在点邻域取 的泰勒二次多项式求此函数的极小点 可由求得这是一维问题，同理对于n维问题有上式中因此上式有：当 时，可求 的极值点，当矩阵为正定时，有极小值。由（1）得因为（1）式可写为其中：因为 是二次函数，故 是线性函数。令 由（2）式则有若 为可逆矩阵，上式两边左乘 则有下式：得：当 为二次函数时，X就是 是一个常数矩阵则牛顿法的一般迭代公式是：迭代方向该方向为牛顿方向在迭代公式中没有步长因子，或看作是步长恒等于1。通过这种迭代，逐次向极小点逼近。试用牛顿法二、修正牛顿法（阻尼牛顿法）在上面的牛顿法中，存在一个问题，由于迭代式中没有步长因子，或者说步长 =1，所以有时函数值反而有所增大，即 因而可能造成点列的发散，而使计算失败。从而要对古典（原始）牛顿法做修正，提出修正牛顿法。方法：步长改用最优步长因子 ，将迭代式改写为： 应为 为 》0此时初始点无论如何选择，则可得到最优结果。步骤如下：（1）任选初始点 ，给定精度 置k=0（2）计算 点的梯度和海赛矩阵的逆 矩阵（3）检验是否满足精度要求，若满足停止迭代，否则进行（4）步（4）令（5）从 出发沿牛顿方向 进行一 维搜索求出最优步长（6）令 K=K+1转步骤（2）使用牛顿法的条件：n（变量较多时）因次较高，海赛矩阵是奇异矩阵，逆矩阵不存在，不能使用牛顿法。例：用牛顿法求函数的最优解，初始点DFP变尺度法由于梯度法和牛顿法具有以上的缺点，能不能找到一种方法能拟补上两种方法的缺点，从而综合上两种方法的各自优点，提出了如下变尺度法的基本思路。基本思想：在牛顿法中探索方向设法构造出一个对称正定矩阵 来代替 在迭代中逐渐逼近 简化牛顿法的计算， 且收敛快。变尺度法是用 来逼近所以称拟牛顿法，迭代公式为： -----步长由求出探索方向 （1） ------n*n阶对称正定矩阵，是变化的，递推形式为 （2） -----校正矩阵，它与 ， 向量有关。综上可知：当 是梯度迭代公式当 是牛顿迭代公式以上两种方法是变尺度法的特例 怎样找出 ，先分析 的关系，设 为一般形式的目标函数，并且有连续的一、二阶偏导数，在点 的泰勒近似展开为梯度为令 则有两边左乘这样找到了 与 及之间的关系，用 来代替既有迭代开始，可选择如果构造出 后，再如果 可表示为（2）式 ------校正矩阵，可用统一的公式表示。经过三个人的修改的校正矩阵 的公式即所谓DFP公式为：因为 为n*n阶对称正定矩阵，固有式中有 后就可按（2）式求出有 后就可按（1）求出 新方向探索最后得出DFP变尺度法的迭代公式归结为适用条件：容易求出f(x)的梯度n100时此方法最好。所以又发展了BFGS比DFP更为成功，方法：只是 公式不同，其余完全相同。两种变尺度法的计算步骤一样为：（1）任选初始点 ，给定精度 维数n（2）置k=0 ， （单位矩阵）探