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。
你的温柔像羽毛,
秘密躺在我怀抱。
你的微笑像拥抱,
只有我能看到。
你的香味在徘徊,
我舍不得离开。
我坚持学单纯的小孩,
只想看守这份爱。
——畅宝宝的傻逼哥哥
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 是 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
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
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