КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Метод сопряженных направлений
Все описанные до сих пор прямые методы min-ии требуют бесконечного числа итераций для точного определения точки min0ма целевой функции. Это относится и к сильно выпуклым квадратичным функциям. Однако существуют прямые итерационные методы, приводящие к точки min-ма сильно выпуклой квадратичной функции за конечное число шагов. От таких методов разумно ожидать высокой эффективности и в случае выпуклой неквадратичной целевой функции. Опишем один из них. Рассмотрим сначала проблему поиска точки min-ма сильно выпуклой квадратичной функции двух переменных. Ее линиями уровня являются эллипсы. Пусть pи p- направления главных осей эллипсов. Если из произвольной точки хЄЕвыполнить итерационную процедуру х=х+p, k=1,2, где величина шага - находится из условия исчерпывающего спуска, то, очевидно, потребуется не более двух шагов для отыскания х*.
Того же результата можно достичь и другим способом. Выберите некоторое направление pи две точки хи утакие, чтобы векторы х-уи pбыли неколлинеарны. Выполнив исчерпывающий спуск из точек хи ув направлении p, получив точки хи у. По свойству исчерпывающего спуска в точках хи уимеет место касание соответствующих прямых (направлений убывания) и эллипсов (линий уровня целевой функции). Точки х*, хи урасположены на одной прямой. Поэтому, полагая p=х-уи решая задачу f(х+p)→min, мы находим точку х*. Таким образом, и в этом случае решение задач min-ии квадратичной сильно выпуклой функции будет получено законченное число шагов. Определение направления pв процессе min-ии сильно выпуклой квадратичной функции двух переменных:
Рассмотренному методу min-ии квадратичной функции двух переменных соответствует алгоритм:
ШАГ 0: Выбрать начальную точку хЄЕ. ШАГ1: Положить p=е. Найти точку хс помощью исчерпывающего спуска из точки хпо направлению p: f(х)=minf(х+p) ШАГ2: а) положить у=х+ е; б) найти точку уиз условия исчерпывающего спуска из точки упо направлению p: f(у)=minf(у+p); в) положить p=х-у, найти точку хиз условия f(х)=minf(х+p), вычисления закончить, положив х*=х В данном алгоритме поиск точки min-ма проводится по так называемым сопряженным направлениям.
Определение: Ненулевые векторы p…pназывается сопряженным относительно матрицы А размера (n*n), если <Аp, p>=0, i=j; I,j=1,…,k (2)
Лемма 1: Система из n векторов p…p, сопряженных относительной положительно определенной матрицы А, линейно независима (или назыв. А – ортогональными). Таким образом, n ненулевых А-ортогональных векторов образуют базис в En. Рассмотрим min-ию в Еn квадратичной функции f(x)=<Ax,x>+<b,x>+c с положительно определенной матрицей А с помощью итерационного процесса х=х+p, k=1,2… (3) где векторы pА – ортогональны.
Лемма 2: Если в итерационном процессе (3) на каждом шаге используется исчерпывающий спуск, то величина шага будет: =-, k=1,2,… (4)
Теорема: Последний исчерпывающий спуск по А-ортогональным направлениям (3) приводит к точке min-ма квадратичной функции не более чем за n-шагов. Вопрос о нахождении базиса из А-ортогональных векторов в пространстве Еn решается неоднозначно. В качестве такого базиса можно взять ортогональный базис из собственных векторов матрицы А. Однако поиск особенно при n>2 представляет собой самостоятельную довольно сложную задачу. Итерационный процесс (1) можно организовать и без предварительного построения векторов p…p, последовательно находя их в процессе min-ии. Опишем процедуру метода сопряженных направлений для min-ии функции n-переменных, обобщающую приведенному выше алгоритму для n=2. ШАГ 0: Выбрать начальную точку хЄЕ.
ШАГ1: Положить p=е. Найти точку хиз условия f(х)=minf(х+p) ШАГ2: а) положить у=х+ е; б) найти точку уиз условия: f(у)=minf(х+p); в) положить p=х-у, найти точку хиз условия f(х)=minf(х+p). ШАГ3: а) положить у=х+ е; б) найти у, минимизируя f(x) последовательно по направлениям pи p, начиная из точки у; в) положить p=х-у, найти точку хиз условия f(х)=minf(х+p). ШАГn: а) положить у=х+е; б) найти точку у, минимизируя f(x) последовательно по направлениям p,…,p, начиная из точки у; в) положить p=х-у, найти точку хиз условия f(х)=minf(х+p). Замечание: Как и в двумерном случае можно показать, что направления p,…,p, построенные при выполнении этого алгоритма, являются А-ортогональными. Поэтому, если f(x) является квадратичной функцией с положительно определенной матрицей А и все задачи одномерной min-ии решаются точно, то х*=хи вычисления на этом этапе завершаются. Если ее f(x) не является квадратичной функцией или вспомогательные задачи одномерной min-ии решаются приближенно, то необходимо перейти к следующему шагу. ШАГn+1 (проверка): Если ||х-х||, где - параметр точности, то поиск завершить, полагая х*=х, иначе положить х=хи перейти к шагу 1. Метод сопряженных направлений относится к числу наиболее эффективных прямых методов. Недостатком является необходимость решать довольно большое количество задач одномерной min-ии
Дата добавления: 2014-01-07; Просмотров: 865; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |