Page 1
§ 3.3 最速下降法
(梯度下降法)
( )min
nx R
f x
∈
求解
Page 2问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
提出问题提出
问题:在点 kx 处,沿什么方向 ,kd ( )xf 下降最快?
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
: ( ) ( ) ( ) ( )( ) 0k k k k T k kf x d f x f x d o dα α α α+ = + ∇ + >
由于: ( ) ( ) cosk T k k kf x d f x d θ∇ = ∇
显然当 1cos −=θ 时, ( )k T kf x d∇ 取极小值.
此时: ( )k kd f x= −∇
结论:沿负梯度方向 ( )xf 下降最快,因此称为最速
下降方向.
Page 3一一算法:最速下降法算法:最速下降法
Step1:给出 0 , 0 1 , : 0nx R kε∈ ≤ < < =
Step2:计算 ( ) ,kf x∇ 如果 ( ) ,kf x ε∇ ≤ 停.
否则,令 ( ) .k kd f x= −∇ 一维搜索
kdStep3: 沿 .kα方向确定步长
Step4: 令 1 ,k k kkx x dα+ = + 转Step2.1,k k= +
Page 4精确一维搜索的最速下降法精确一维搜索的最速下降法
1. 定义:若在上一页Step3确定的步长 满足:kα
( )
0
argmin k kk f x dα
α α
>
= +
即经精确一维搜索得到,那么相应的算
法称为精确一维(线)搜索的最速下降法.
称 kα 为精确步长因子。
2.特点: 1k kd d +与 正交, 即相继两次迭代中搜索方向
是正交的.
( ) ( )0m ink k k kkf x d f x dαα α>+ = +即
Page 5
Page 6
( ) ( )1 0T Tk k k k kkf x d d f x dα +∇ + = ∇ =即
( )
0
arg min k kk f x dα
α α
>
= +由于
即正交。
则 ( ) 0
k
k kdf x d
d α α
α
α =
+ =
( )1 1k kd f x+ += −∇又
因此 ( )1 0Tk kd d+ =
证明:
选读内容
Page 7例1:用最速下降法求解:
( ) ( )2 2 01 2min 4 , 1, 1 Tf x x x x= + =取
解: ( ) ( )1 2
1 2
, = 2 , 8
T
Tf ff x x x
x x
⎛ ⎞∂ ∂∇ = ⎜ ⎟∂ ∂⎝ ⎠
下面用精确线搜索求步长.
( )0 1, 1 :Tx = 得 ( ) ( )
( ) ( )
0
0 0
2, 8
2, 8
T
T
f x
d f x
∇ =
= −∇ = − −
(1) 由
要求迭代两次, 并验证相邻两个搜索方向正交.
分析:容易看出该
函
关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函
数的极小点是 (0,0) .Tx∗ =
Page 8
0 0 1 2( )
1 8
f x d f
αα α
−⎛ ⎞+ = ⎜ ⎟−⎝ ⎠因
1 0 0
0
1 2 0.73846
0.13077
1 8 0.04616
x x dα ⎛ ⎞ ⎛ ⎞ ⎛ ⎞= + = − =⎜ ⎟ ⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠ ⎝ ⎠
进而有:
令 0 0
0
( ) 0 : 0.13077df x d
d
α αα
+ = =得
由于 较大, 因此还需迭代下去.( )1f x∇
( ) ( )
( )
1
1
1.47692, 0.36923 ,
1.52237
Tf x
f x
∇ = −
∇ =
2 2(1 2 ) 4(1 8 )α α= − + −
Page 9
2 1 1
1
0.73846 1.47692 0.11076
0.42500
0.04616 0.36923 0.11076
x x dα −⎛ ⎞ ⎛ ⎞ ⎛ ⎞= + = + =⎜ ⎟ ⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠ ⎝ ⎠
进而有:
(2) ( ) ( )1 1 1.47692, 0.36923 ,Td f x= −∇ = −
令 1 1
1
( ) 0 : 0.42500df x d
d
α αα
+ = =得
类似(1)中的做法, 用精确线搜索求步长, 即
可见, 用最速下降法迭代两次并没有到达极小点.
( ) ( )
( )
2
2
0.22152, 0.88608
0.91335
Tf x
f x
∇ =
∇ =
Page 10
又注意到:
证毕.
2 1( ) ( 0.22152)( 1.47692) ( 0.88608)(0.36923) 0Td d = − − + − =
( ) ( )2 2 0.22152, 0.88608 Td f x= −∇ = − −由(2)得:
所以:
下面验证相邻两个搜索方向是正交的.
( ) ( )1 1 1.47692, 0.36923 ,Td f x= −∇ = −
( ) ( )0 0 2, 8 Td f x= −∇ = − −
1 0( ) ( 1.47692)( 2) (0.36923)( 8) 0Td d = − − + − =
Page 11收敛性定理收敛性定理
定理3.2 设 ( )f x 连续可微,且水平集有界
( ) ( ){ }0nL x R f x f x= ∈ ≤
则由精确线搜索的最速下降法产生的
序列满足:
或者 ( )lim 0.kk f x→∞ ∇ =
,k 有 ( ) 0,kf x∇ =或者对某个
Page 12优缺点优缺点
优点:程序
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
简
单
名单名单延期单出门单老板名单
,计算量小,存储量小。
具有整体收敛性,对初始点没有特别要求。
缺点:收敛速度慢,尤其在极小点附近,该方法产生
的点列逼近函数的极小点越来越慢.
① ( )k kd f x= −∇ 仅反映 ( )xf 在 kx 处的局部性质;
原因:
② 1k kd d +与 正交, 即相继两次迭代中搜索方向正交.