概述
在求解最优化问题中,线搜索是一类非常重要的迭代算法。线搜索的迭代过程是 xk+1=xk+αkpk 。其中 αk 和 pk 分别表示搜索步长和搜索方向,因此线搜索需要解决如何求解步长和确定搜索方向,该小结主要介绍
1. 步长 αk 的选择
2. 步长的实现算法
2. 线搜索的收敛性
3. 牛顿方法的优化
步长 α 的选择
根据迭代算法 xk+1=xk+αkpk ,根据之前的介绍搜索方向 pk 需要满足,它是一个下降方向,即满足 ∇fkpk≤0 ,则 pk=−B−1k∇fk ,B为对称非奇异矩阵,根据 Bk 的选择会产生以下几个方向:
1. Bk=I 时,搜索方向为负梯度方向,该方法为最速下降方向。
2. Bk=∇2fk 时,该方法为牛顿方法。
3. Bk 需要满足对称正定矩阵,该方法为拟牛顿方法。
当搜索方向确定后,下一步就要确定步长。
问题形式
求解步长需要解决的一个最优化问题是,在确定了下降方向 pk 后,求解一个一元最优化问题
精确算法
对于一个一元二次问题,最优解形式为 ∇Tf(xk+αpk)pk=0 ,即 ∇Tfk+1pk=0
性质:对于最速下降法,当选择最优步长时,每一步的搜索方向和上一步是正交的,即 pTk+1pk=0
证明:由于当选择为最优步长时满足 ∇Tfk+1pk=0 。因此性质成立, pk+1=−∇fTk+1
非精确算法
非精确算法的思路就是寻找步长 α 的一个区间,通过逐步二分的方法去寻找满足条件的点。当搜索结束时,需要满足该步长能够对目标函数带来充分的减少。为提高非精确算法的搜索效率, α 需要满足一定的条件。
Armijo条件
Armijo是一个相对比较简单的条件,即目标函数需要充分小。
通常情况下记:
在实际应用中, c1 选择为10^-4,满足Armijo条件的情况如下图所示
Curvature条件
Curvature条件是指: