下降方法与梯度下降
Posted mtandhj
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了下降方法与梯度下降相关的知识，希望对你有一定的参考价值。
目录
在介绍下降方法之前，我们需要先看一些预备的知识。
预备知识
我们假设目标函数在下水平集(S)上是强凸的，这是指存在(m > 0)，使得
[
abla^2 f(x) succeq mI
]
对于任意(x)成立。
注意，这个广义不等式，是指(
abla^2 f(x) - mI)半正定，即，(
abla^2 f(x))的最小特征值大于等于(m)。
对于(x, yin S)，我们有广义泰勒展开：
[
f(y)=f(x)+
abla^{T}(y-x)+frac{1}{2}(y-x)^{T}
abla^{2}f(z)(y-x)
]
(z in [x,y])
利用强凸性假设，可以推得不等式（同时可知，(S)是有界的）：
[
f(y) ge f(x) +
abla f(x)^{T}(y-x) + frac{m}{2}|y-x|_2^2
]
通过，不等式右边是关于(y)的二次凸函数，令其关于(y)的导数等于零，可以得到该二次函数的最优解(widetilde{y} = x-(1/m)
abla f(x))，所以
[
f(y) ge f(x) - frac{1}{2m}|
abla f(x)|_2^2
]
(x^*)是(f(x))的全局最优解，(p^*=f(x^*))，因为上述不等式对于任意(y)都成立，所以：
[
p^* ge f(x) - frac{1}{2m} |
abla f(x)|_2^2
]
由此可见，任何梯度足够小的点都是近似最优解。由于，
[
|
abla f(x)|_2 le (2mepsilon)^{1/2} Rightarrow f(x) - p^* le epsilon
]
我们可以将其解释为次优性条件。
因为(S)有界，而(
abla^2 f(x))的最大特征值是(x)在(S)上的连续函数，所以它在(S)上有界，即存在常数(M)使得：
[
abla^2 f(x) preceq MI
]
关于Hessian矩阵的这个上界，意味着，对任意的(x, y in S):
[
f(y) le f(x) +
abla f(x)^T(y-x) + frac{M}{2} |y-x|_2^2
]
同样，可以得到：
[
p^* le f(x) - frac{1}{2M} |
abla f(x)|_2^2
]
注意：
[
mI preceq
abla^2 f(x) preceq MI
]
(kappa = M/m)为矩阵(
abla^2 f(x))的条件数的上界。通常，(kappa)越小（越接近1），梯度下降收敛的越快。这个条件会在收敛性分析中反复用到。
下降方法
由凸性知：(
abla f(x^{(k)})^T (y-x^{(k)}) ge 0)意味着(f(y) ge f(x^{(k)}))，因此一个下降方法中的搜索方向必须满足：
[
abla f(x^{(k)})^T Delta x^{(k)} < 0
]
我们并没有限定下降方向(Delta x)必须为逆梯度方向，事实上这种选择也仅仅是局部最优的策略。
所以算法是如此的：
停止准则通常根据次优性条件，采用(|
abla f(x)| le eta)，其中(eta)是小正数。
梯度下降方法的算法如下：
精确直线搜索
精确直线搜索需要我们求解下面的单元的优化问题：
[
t = argmin_{s ge 0} f(x+s Delta x)
]
因为问题是一元的，所以相对来说比较简单，可以通过一定的方法来求解该问题，特殊情况下，可以用解析方法来确定其最优解。
收敛性分析
在收敛性分析的时候，我们选择(Delta x := -
abla f(x))。
我们定义：(widetilde{f}(t)=f(x-t
abla f(x)))，同时，我们只考虑满足(x-t
abla f(x) in S)的(t)。通过预备知识，我们容易得到下面的一个上界：
对上述不等式俩边同时关于(t)求最小，左边等于(widetilde{f}(t_{exact}))，右边是一个简单的二次型函数，其最小解为(t=1/M)，因此我们有：
[
f(x^{+}) = widetilde{f}(t_{exact}) le f(x) - frac{1}{M} |
abla(f(x))|_2^2
]
从该式俩边同时减去(p^*)，我们得到
[
f(x^+)-p^* le f(x) - p^* - frac{1}{M} |
abla f(x)|_2^2
]
又(|
abla f(x)|_2^2 ge 2m(f(x)-p^*))，可以断定：
[
f(x^+) -p ^* le (1-m/M)(f(x)-p^*)
]
重复进行，可以看出，
[
f(x^+) -p ^* le (1-m/M)^{k}(f(x)-p^*)
]
收敛性分析到这为止，更多内容翻看凸优化。
回溯直线搜索
回溯直线搜索，不要求每次都减少最多，只是要求减少足够量就可以了。其算法如下:
回溯搜索从单位步长开始，按比例逐渐减少，直到满足停止条件(f(x+tDelta x) le f(x) + alpha t
abla f(x)^T Delta x)。
最后的结果(t)满足(t ge min{1, eta t_0 })。
在实际计算中，我们首先用(eta)乘(t)直到(x+tDelta x in dom f)，然后才开始检验停止准则是否成立。
参数(alpha)的正常取值在0.01 和 0.3 之间表示我们可以接受的(f)的减少量在基于线性外推预测的减少量的(1\%)和(1\%)之间。参数(eta)的正常取值在 0.1（对应非常粗糙的搜索）和 0.8（对应于不太粗糙的搜索）之间。
收敛性分析
我们先证明，只要(0 le t le 1/M)，就能满足回溯停止条件：
[
widetilde{f}(t) le f(x) - alpha t |
abla f(x)|
]
首先，注意到：
[
0 le t le 1/M Rightarrow -t + frac{Mt^2}{2} le -t/2
]
由于(alpha < 1/2)（这也是为什么我们限定(alpha < 1/2)的原因），所以可以得到：
因此，回溯直线搜索将终止于(t=1)或者(tge eta/M)。故：
[
f(x^+) le f(x) - min {alpha, (eta alpha / M) } |
abla f(x)|_2^2
]
俩边减去(p^*)，再结合(|
abla f(x)|_2^2 ge 2m(f(x)-p^*))可导出：
[
f(x^+)-p^* le (1-min {2malpha, 2 eta alpha m/M })^{k}(f(x) - p^*)
]
数值试验
(f(x)=frac{1}{2}(x_1^2+gamma x_2^2))
我们选取初始点为((gamma, 1),gamma=10)
下图是精确直线搜索：
下图是回溯直线搜索，(alpha=0.4, eta=0.7)可以看出来，每一次的震荡的幅度比上面的要大一些。
(f(x)=e^{x_1+3x_2-0.3}+e^{x_1-3_x2-0.3}+e^{-x_1-0.1})
下面采用的是回溯直线搜索，(alpha=0.4,eta=0.7),初始点为((7,3))
初始点为((-7, -3))
(alpha=0.2,eta=0.7)
import numpy as np
class GradDescent:
"""
梯度下降方法
"""
def __init__(self, f, x):
assert hasattr(f, "__call__"), "Invalid function {0}".format(f)
self.__f = f
self.x = x
self.y = self.__f(x)
self.__process = [(self.x, self.y)]
@property
def process(self):
"""获得梯度下降过程"""
return self.__process
def grad1(self, update_x, error=1e-5):
"""精确收缩算法
update_x: 用来更新x的函数，这个我们没办法在这里给出
error: 梯度的误差限，默认为1e-5
"""
assert hasattr(update_x, "__call__"), "Invalid function {0}".format(update_x)
error = error if error > 0 else 1e-5
while True:
x = update_x(self.x)
if (x - self.x) @ (x - self.x) < error:
break
else:
self.x = x
self.y = self.__f(self.x)
self.__process.append((self.x, self.y))
def grad2(self, gradient, alpha, beta, error=1e-5):
"""回溯直线收缩算法
gradient: 梯度需要给出
alpha: 下降的期望值 (0, 0.5)
beta:每次更新的倍率 (0, 1)
error: 梯度的误差限，默认为1e-5
"""
assert hasattr(gradient, "__call__"), "Invalid gradient"
assert 0 < alpha < 0.5, "alpha should between (0, 0.5), but receive {0}".format(alpha)
assert 0 < beta < 1, "beta should between (0, 1), but receive {0}".format(beta)
error = error if error > 0 else 1e-5
def search_t(alpha, beta):
t = 1
t_old = 1
grad = -gradient(self.x)
grad_module = grad @ grad
while True:
newx = self.x + t * grad
newy = self.__f(newx)
if newy < self.y - alpha * t * grad_module:
return t_old
else:
t_old = t
t = t_old * beta
while True:
t = search_t(alpha, beta)
x = self.x - t * gradient(self.x)
if (t * gradient(self.x)) @ (t * gradient(self.x)) < error:
break
else:
self.x = x
self.y = self.__f(self.x)
self.__process.append((self.x, self.y))
r = 10.
def f(x):
vec = np.array([1., r], dtype=float)
return 0.5 * (x ** 2) @ vec
def f2(x):
x0 = x[0]
x1 = x[1]
return np.exp(x0+3*x1-0.1) + np.exp(x0-3*x1-0.3) + np.exp(-x0-0.1)
def gradient2(x):
x0 = x[0]
x1 = x[1]
grad1 = np.exp(x0+3*x1-0.1) + np.exp(x0-3*x1-0.3) - np.exp(-x0-0.1)
grad2 = 3 * np.exp(x0+3*x1-0.1) -3 * np.exp(x0-3*x1-0.3)
return np.array([grad1, grad2])
def update(x):
t = -(x[0] ** 2 + r ** 2 * x[1] ** 2) / (x[0] ** 2 + r ** 3 * x[1] ** 2)
x0 = x[0] + t * x[0]
x1 = x[1] + t * x[1] * r
return np.array([x0, x1])
def gradient(x):
diag_martix = np.diag([1., r])
return x @ diag_martix
x_prime = np.array([7, 3.], dtype=float)
ggg = GradDescent(f2, x_prime)
#ggg.grad1(update)
ggg.grad2(gradient2, alpha=0.2, beta=0.7)
process = ggg.process
import matplotlib.pyplot as plt
import matplotlib.path as mpath
fig, ax = plt.subplots(figsize=(10, 6))
w1 = 4
w2 = 10
Y, X = np.mgrid[-w1:w1:300j, -w2:w2:300j]
U = X
V = r * Y
ax.streamplot(X, Y, U, V)
process_x = list(zip(*process))[0]
print(process_x)
path = mpath.Path(process_x)
x0, x1 = zip(*process_x)
ax.set_xlim(-8, 8)
ax.set_ylim(-4, 4)
ax.plot(x0, x1, "go-")
plt.show()以上是关于下降方法与梯度下降的主要内容，如果未能解决你的问题，请参考以下文章