漫步最优化三十九——Fletcher-Reeves法

Posted 会敲键盘的猩猩

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了漫步最优化三十九——Fletcher-Reeves法相关的知识,希望对你有一定的参考价值。









Pasito a pasito, suave suavecito
Nos vamos pegando, poquito a poquito
Y es que esa belleza es un rompecabezas
Pero pa montarlo aun tengo la pieza
——
Fletcher-Reeves法是共轭梯度法的变种,它的主要特征是参数 αk,k=0,1,2, 是用线搜索最小化 f(x+αdk) 确定的,这与最速下降或者牛顿法一样。而不同点在于 dk 是对 dk1,dk2,,d0 共轭,而不是最速梯度方向或者牛顿方向。
如果所求的问题是凸的,二次的且方向按共轭梯度发选择,那么
df(xk+αdk)dα=gTk+1dk=0

其中 k=0,1,2, ,更进一步,共轭的方向集合确保

df(xk+αdi)dα=gTk+1di=0for 0ik

或者

gTkdi=0for 0i<k

所以通过线搜索确定的 αk 等价于共轭梯度法。因为线搜索需要更多的计算量,所以Fletcher-Reeves的修正是退化的一步,但不管怎样,这样做得到两个非常明显的好处:

  • 这个修正使得该方法更加适应非二次问题的最小化,这是因为对不在解邻域内的点, f(x) 沿着 dk 方向能够更大程度的减少,这是因为对于非二次问题,共轭梯度法得到的 α 沿着 dk 方向不会得到最小值。
  • 这个修正避免了推导计算海森矩阵。

如果每 漫步最优化二十九——D.S.C.算法

漫步最优化三十一——梯度法

漫步最优化三十五——共轭

漫步最优化三十三——牛顿法

漫步最优化三十四——高斯-牛顿法

漫步最优化三十——非精确线搜索