无约束(多维)最优化ppt培训课件

无约束(多维)最优化ppt培训课件

ID:33494456

大小:1.42 MB

页数:65页

时间:2018-05-23

无约束(多维)最优化ppt培训课件_第1页
无约束(多维)最优化ppt培训课件_第2页
无约束(多维)最优化ppt培训课件_第3页
无约束(多维)最优化ppt培训课件_第4页
无约束(多维)最优化ppt培训课件_第5页
无约束(多维)最优化ppt培训课件_第6页
无约束(多维)最优化ppt培训课件_第7页
无约束(多维)最优化ppt培训课件_第8页
无约束(多维)最优化ppt培训课件_第9页
无约束(多维)最优化ppt培训课件_第10页
资源描述:

《无约束(多维)最优化ppt培训课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第七章无约束(多维)最优化梯度法(最速下降法)牛顿法与拟牛顿法变尺度法(DFP法)共轭梯度法模式搜索法Powell法单纯形加速法最小二乘法1序无约束最优化问题解析方法:利用函数的解析性质——驻点,得到最优解。数值方法:利用函数的解析性质构造迭代公式使之收敛到最优解。2无约束问题的最优性条件定理1定理2梯度为0的点称为函数的驻点。驻点可能是极小点,也可能是极大点,也可能即不是极大也不是极小,这时称为函数的鞍点。定理2说明:UMP问题的局部最优解必是目标函数的驻点。注:(一阶必要条件)3定理3定理4(二阶充分条件)(若改成Hesse矩阵半正定,则成为二阶必要条件)4迭代公式:如何选择下

2、降最快的方向?7.1梯度法(最速下降法)5一、梯度法(最速下降法):二、梯度法算法步骤:6最速下降法框图x(1),ε>0,k=1

3、

4、▽f(x(k))

5、

6、<ε或

7、

8、d(k)

9、

10、<ε?Yesstop.x(k)–解Nod(k)=-▽f(x(k))解minf(x(k)+λd(k))s.t.λ>0得x(k+1)=x(k)+λkd(k)k=k+17解:例18三、最速下降法的特点1.性质.92.最速下降法的锯齿现象10特点:线性收敛,易产生扭摆现象而造成早停。(当x(k)距最优点较远时,速度快,而接近最优点时,速度下降)原因:f(x)=f(x(k))+▽f(x(k))T(x-x(k))+o

11、

12、(x-x

13、(k))2

14、

15、当x(k)接近x*,时▽f(x(k))→0,于是高阶项o

16、

17、x-x(k)

18、

19、的影响可能超过▽f(x(k))T(x-x(k))。如果用f(x)的Taylor展开近似计算?——牛顿法111.问题7.2Newton法如果用f(x)的Taylor展开近似计算?122.算法思想13143.算法步骤15算法框图(一维)给定初始点x0和精度是是停止,输出x0是否停止,解题失败否停止,输出x1否16例1:解:取x0=1,计算:迭代过程如下表:1.1370.11630.11692-0.00106131.3258-0.5178-0.570810.50000.78541017(ii)编写M文件n

20、wfun.m如下:function[f,df,d2f]=nwfun(x);f=x(1)^4+25*x(2)^4+x(1)^2*x(2)^2;df(1)=4*x(1)^3+2*x(1)*x(2)^2;df(2)=100*x(2)^3+2*x(1)^2*x(2);d2f(1,1)=12*x(1)^2+2*x(2)^2;d2f(1,2)=4*x(1)*x(2);d2f(2,1)=d2f(1,2);d2f(2,2)=300*x(2)^2+4*x(1)*x(2);编写M文件nwfun2.m:clcx=[2;2];[f0,g1,g2]=nwfun(x)whilenorm(g1)>0.00001i=1

21、:3p=-inv(g2)*g1',p=p/norm(p)t=1.0,f=detaf(x+t*p)whilef>f0t=t/2,f=detaf(x+t*p),%步长减半endx=x+t*p[f0,g1,g2]=nwfun(x)end18收敛速度快,为二阶收敛。(2)初始点的选取困难,甚至无法实施。4.算法特点存在缺点及修正初始点要选在最优点附近。19阻尼Newton法207.3拟牛顿法(变尺度法)一、拟牛顿法的思想212223分析:。kkkkkxxggH-=-+++111)(24Step4.判断是否满足终止准则:yes:计算stop,No:转step5。;)(.2kkkxfHdStepÑ-

22、=计算搜索方向拟Newton条件或拟Newton方程:25Step4.判断是否满足终止准则:yes:计算stop,No:转step5。267.4DFP算法一、DFP法的提出272829三、DFP算法的步骤改为:30四、变尺度法算法框图:x(1),H(1)对称ε>0,k=1d(k)=-H(k)▽f(x(k))一维搜索得λkx(k+1)=x(k)+λkd(k)

23、

24、x(k+1)-x(k)

25、

26、<ε?修正H(k)产生H(k+1)Stop.x(k+1)----解k=k+1yN31例解32334.6.33435六、变尺度法的主要特点⑴只需用到函数的一阶梯度;(Newton法用到二阶Hesse阵)⑵下降

27、算法,故全局收敛;⑶不需求矩阵逆;(计算量小)⑷一般可达到超线性收敛;(速度快)⑸有二次终结性。36一、共轭方向和共轭方向法共轭是正交的推广。1.定义7.5共轭梯度法372.共轭方向设直线AB和CD过椭圆中心,且CD平行于椭圆在点A,B的切线,则称AB与CD为共轭直径,与的方向为共轭方向,(或A,B的切线方向与称为共轭方向)见图1。®-AB®-CD®-AB的方向ABCD图138定理1393.几何意义4041424.共轭方向法435.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。