漫步最优化三十四——高斯-牛顿法

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三十四——高斯-牛顿法相关的知识,希望对你有一定的参考价值。



怀






——

对于许多优化问题,其目标函数是函数向量的形式
f=[f1(x) f2(x)  fm(x)]T

其中 fp(x),p=1,2,,m x 的函数且互相独立,要求的解就是同时使 fp(x) 为零的点 x

对于这样的问题,我们可以构造如下的实值函数

F=p=1mfp(x)2=fTf

如果用多维无约束算法最小化 F ,那么相当于用最小二乘最小化函数fp(x)

一种求解上面问题的方法是高斯-牛顿法,这个方法基于前面介绍的牛顿法。

因为有多个函数 fp(x) 且每个都依赖于 xi,i=1,2,,n ,那么存在一个梯度矩阵

J=f1x1f2x1fmx1f1x2f2x2f漫步最优化四十四——基本拟牛顿法

漫步最优化四十四——基本拟牛顿法

高斯牛顿法的介绍

漫步最优化四十三——拟牛顿法

漫步最优化四十三——拟牛顿法

拟牛顿法之BFGS