关于无约束最优化问题的信赖域解法
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
关于无约束最优化问题的信赖域解法
一、引言
无约束优化问题是实际工程中最常见的问题之一。这类问题虽然形式比较简单,但是对于某些大规模的或者非线性很强的问题,求解它们仍然是有相当难度的。
无约束问题的算法大致分成两类:一类在计算过程中要用到目标函数的导数,另一类则只要求目标函数值。本文中所讲述的信赖域法,与牛顿法、最速下降法、共轭梯度法一样,同属于第一类方法。
二、信赖域法的主要内容
2.1 信赖域法的基本思想
虽然信赖域法与最速下降法等同属于一大类,但是在基本思想上还是有所不同。其他几种方法的基本策略是:给定点x(k)后,定义搜索方向d(k),再从x(k)出发沿d(k)作一维搜索,信赖域法则不然,下面重点阐述一下其基本思想:首先给定一个所谓的“信赖域半径”作为位移长度的上界,并以当前迭代点为中心以此“上界”为半径确定一个称之为“信赖域”的闭球区域。然后,通过求解这个区域内的“信赖域子问题”(目标函数的二次近似模型) 的最优点来确定“候选位移”。若候选位移能使目标函数值有充分的下降量, 则接受该候选位移作为新的位移,并保持或扩大信赖域半径, 继续新的迭代。否则, 说明二次模型与目标函数的近似度不够理想,需要缩小信赖域半径,再通过求解新的信赖域内的子问题得到新的候选位移。如此重复下去,直到满足迭代终止条件。
2.2 信赖域法的数学分析
三、 运用信赖域法求解具体问题
考虑无约束问题
432
1122min
()
45f x x x x x =++-+
取初点(1)00x ⎡⎤
=⎢⎥⎣⎦,信赖域半径r 1=1,取μ=0.25,η=0.75.用信赖域法求解过
程:
1) 将初值代入目标函数求得函数值f(x (1))=5,目标函数的梯度
即为求解
22
1212min ()54..||||1
d d d d s t
d ϕ=-++≤
可得最优解(1)(1)
1(1)201d d
d ⎡⎤⎡⎤
==⎢⎥⎢⎥⎣⎦
⎣⎦,函数值(1)(1)()2f x d += 3) 可得11ρη=>,逼近成功,令(2)(1)(1)
01x x d ⎡⎤=+=⎢⎥⎣⎦,2122r r ==
4) 进行二次迭代,函数值为2,(2)0()2f x ⎡⎤
∇=⎢⎥-⎣⎦, 2(2)20()02f x ⎡⎤∇=⎢⎥
⎣⎦ 5) 求解子问题
22
22122
21
2
min ()22..4
d d d d s t
d d ϕ=-+++≤
可得最优解(2)(2)
1(2)201d d
d ⎡⎤⎡⎤
==⎢⎥⎢⎥⎣⎦
⎣⎦,(2)(2)()0f x d +=,(2)2()1d ϕ= 6) 可得22ρη=>,令(3)
(2)
(2)
02x
x
d
⎡⎤
=+=⎢⎥⎣⎦
,3224r r == 7) 计算得(3)(3)(3)00()1,(),02f x f x x ⎡⎤⎡⎤
=∇==⎢⎥⎢⎥⎣⎦⎣⎦是最优解