修正牛顿法matlab,牛顿算法及其改进【阻尼牛顿法、修正牛顿法】
牛顿算法
对于优化函数\(f(x)\),\(x=(x_1;x_2;...;x_n)\),二阶连续可导
在\(x_k\)处泰勒展开,取前三项,即对于优化函数二阶拟合
\[f(x)=f(x_k)+g_k(x-x_k)+\frac{1}{2}(x-x_k)G_k(x-x_k)
\]
其中\(g_k=\nabla f(x_k)\),为函数梯度;\(G_k=\nabla^2f(x_k)\),为函数的Hesse矩阵
当\(G_k\)正定时,上式存在极小值,使得\(\nabla f(x)=0\)
\(\nabla f(x)=g_k+G_k(x-x_k)=0\)
可得牛顿法迭代公式:
\[x_{k+1}=x_k-G_k^{-1}g_k
\]可见,对于牛顿法,需要计算二阶偏导数(Hesse矩阵),且Hesse矩阵必须可逆、正定
并且,牛顿法对于迭代初始值\(x_0\)也有要求,当\(x_0\)距离最优解\(x*\)足够近时,算法才收敛
阻尼牛顿法
阻尼牛顿法解决了第二个问题,使得算法全局收敛
主要方法是引入线搜索技术,使得算法满足收敛性条件,关于线搜索技术
线搜索
算法:
\(step0:\)
给定迭代初始值\(x_0\),和容许误差\(\epsilon\)
\(step1:\)
计算梯度\(g_k=\nabla f(x_k)\)
if \(||g_k||
else 解方程:
\[G_kd_k=-g_k
\]求出迭代方向$d_k$, to step 2
\(step2:\)
利用Armijo准则算法,计算迭代步长\(\alpha_k\)
\[x_{k+1}=x_k+\alpha_k d_k
\]
k=k+1;to step 1
修正的牛顿算法
上面算法有前提条件1(Hesse矩阵正定)
为了扩大算法的适用范围,对算法修正,解决条件1 的强制条件,有两种方法
方法1:
对于阻尼牛顿算法求得的迭代方向\(d_k\),检查是否满足收敛条件:
\[g_k^Td_k<0
\]
if 满足
\(d_k=d_k\)
else
\(d_k=-g_k\)
就是牛顿算法和梯度下降算法的混合算法,当牛顿算法求得迭代方向不满足收敛条件,使用负梯度方向为迭代方向
关于为什么不直接使用梯度下降法
可以证明:牛顿算法是二阶收敛,梯度下降线性收敛【牛顿法收敛速度快】
方法2
引进阻尼因子\(\mu_k\),对Hesse矩阵修正,选择适当\(\mu_k\),使得
\[G_k=G_k+\mu_kI
\]
正定
方法二matlab代码
function [x,val,fun_t] = revise_newton(fun,gfun,hesse,x0,iterate)
%revise_newton - Description
%
% Syntax: [x,val,fun_t] = revise_newton(fun,gfun,hesse,x0)
%
% 修正牛顿法
n=length(x0);maxk=iterate;
rho=0.55;Sigma=0.4;tau=0.0;
k=0;epsilon=1e-5;
fun_t=zeros(1,maxk);
while k
k=k+1;
fun_t(1,k)=fun(x0);
gk=gfun(x0);
muk=norm(gk)^(1+tau);
Gk=hesse(x0);
Ak=Gk+muk*eye(n);
dk=-Ak\gk;
if norm(gk)
break;
end
m=0;mk=0;
while m<20
if fun(x0+rho^m*dk)
mk=m;
break;
end
m=m+1;
end
x0=x0+rho^mk*dk;
end
x=x0;
val=fun(x);
end
main functin
clc;
close all;
fun=@(x) 100*(x(1)^2-x(2))^2+(x(1)-1)^2;
gfun=@(x) [400*(x(1)^2-x(2))*x(1)+2*(x(1)-1);-200*(x(1)^2-x(2))];
hesse=@(x) [1200*x(1)^2-400*x(2)+2,-400*x(1);-400*x(1),200];
x0=[0;0];
iterate=30;
[x,val,fun_t] = revise_newton(fun,gfun,hesse,x0,iterate);
disp(x);
disp(val);
figure(1);
plot(1:iterate,fun_t);
set(get(gca, 'XLabel'), 'String', 'number of iterations');
set(get(gca, 'YLabel'), 'String', 'function value');
result
conclusion
上述图像为函数值随迭代次数变化,可见收敛速度较快;且计算结果较精确;
reference
《最优化方法及其matlab程序设计》
标签:迭代,nabla,牛顿,阻尼,算法,fun,收敛
来源: https://www.cnblogs.com/liudianfengmang/p/13460840.html
修正牛顿法matlab,牛顿算法及其改进【阻尼牛顿法、修正牛顿法】相关推荐
- 最优隐神经元数目 算法 matlab,BP算法的改进在Matlab的实现研究
BP 算法的改进在M a tlab 的实现研究 姚文俊 (中南民族大学电子信息工程学院 湖北武汉 430074) 摘 要:利用M atlab 中的神经网络工具箱提供的丰富网络学习和训练函数,对BP 网 ...
- matlab解决阻尼牛顿,matlab阻尼牛顿法例题
<matlab阻尼牛顿法例题>由会员分享,可在线阅读,更多相关<matlab阻尼牛顿法例题(2页珍藏版)>请在人人文库网上搜索. 1.精品文档. Use damped Newt ...
- 寻找最优参数解:最速下降法,牛顿下降法,阻尼牛顿法,拟牛顿法
感谢于建民的投稿,转载请注明出处:数盟社区 机器学习的一个重要组成部分是如何寻找最优参数解.本文就常见寻优方法进行总结,并给出简单python2.7实现,可能文章有点长,大家耐心些. 寻找最优参数解, ...
- L-BFGS算法/Broyden族/BFGS算法/阻尼牛顿法的Python实现代码
下面定义了三个Python语言编写的函数:函数表达式fun,梯度向量gfun,和海森矩阵hess.这三个表达式在后面各个算法的实现中会用到. # 函数表达式fun fun = lambda x:100 ...
- kmeans改进 matlab,基于距离函数的改进k―means 算法
摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...
- 【优化算法】改进的灰狼优化算法(IGWO)【含Matlab源码 1349期】
一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[优化算法]改进的灰狼优化算法(IGWO)[含Matlab源码 1349期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: 付费 ...
- 【优化算法】改进的侏儒猫鼬优化算法(IDMO)【含Matlab源码 2314期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[优化算法]改进的侏儒猫鼬优化算法(IDMO)[含Matlab源码 2314期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
- 相敏检波电路matlab,侧向仪器中数字相敏检波算法的改进与实现
原标题:侧向仪器中数字相敏检波算法的改进与实现 作者简介,张森峰(1980-),男,山西,硕士,中国石油测井技术研究院,工程师,从事测井仪器研发工作. 本文引用地址:http://www.eepw.c ...
- 机器学习之MATLAB代码--IWOA_BILSTM(基于改进鲸鱼算法优化的BiLSTM预测算法)(十六)
机器学习之MATLAB代码--IWOA_BILSTM基于改进鲸鱼算法优化的BiLSTM预测算法(十六) 代码 数据 结果 代码 1. %% 基于改进鲸鱼算法优化的BiLSTM预测算法 clear;cl ...
最新文章
- fullcaledar日历插件
- 腾讯正式进军电商:小鹅拼拼,出自微信
- nginx 服务脚本编写模板
- ubuntu16.04安装,使用redis布隆过滤器示例
- 详解 Visual C# 数据库编程
- anroid抓包工具tcpdump的用法
- VMware环境下如何使用iSCSI共享存储(配置实验笔记)
- 光彩集团小宇智能机器人_“智能急救教学机器人”走进文惠小学集团总部文韬校区...
- 《python基础教程》笔记之 字符串
- 王家林Spark 课程,蘑菇云,IMF真相
- Mac Spotlight搜索快捷键
- 一个屌丝程序猿的人生(四十三)
- 任务调度系统-业务线资源隔离
- etcd集群搭建和使用中常见的报错信息(热key探测系列教程)
- 【软件群英会】 12月1日晚上聊天记录
- 字符串字符数组的赋值
- 网络安全该从何入手?
- MySQL——VARCHAR和CHAR类型
- STM32F103CBT6和STM32F103ZET6单片机进行程序移植
- win10安装,ERROR:0x8007025D问题解决
热门文章
- vue 3.0 slot 使用方法
- Bluehost中国的主机产品和美国那边的主机有什么差别吗?
- Python写一个股价计算的脚本
- 景点旅游项目深入开发精品夜间旅游文化艺术
- 解决spring 类型项目 ueditor富文本编辑器上传图片等文件失败问题
- vue项目 vue-quill-editor富文本编辑器+图片上传
- Cadence PSpice 疑难2:报错ERROR(ORPSIM-15660): These devices failed to converge的原因与解决方法
- 全网最细:Jest+Enzyme测试React组件(包含交互、DOM、样式测试)
- django中save和create的区别
- 5 TextField输入框组件