优化算法——坐标上升法

一、坐标上升法算法原理

坐标上升法(Coordinate Ascent)每次通过更新函数中的一维，通过多次的迭代以达到优化函数的目的。

假设需要求解的优化问题的具体形式如下：

$$\underset{\alpha }{\max }W\left({\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_m\right)$$

其中，$W$是向量$\vec{\alpha }$的函数。

更新过程为每次固定除${\alpha }_i$以外的参数，求得满足条件的${\alpha }_i$，直到算法收敛，具体的算法过程如下所示：

(图片来自参考文献1)

下面以如下的优化问题为例：

$$f\left(x_1,x_2\right)=-x_1^2-3x_2^2+2x_1{x}_2+6$$

在迭代的过程中，每次固定$x_2$更新$x_1$，在确定了$x_1$的条件下，固定$x_1$，更新$x_2$，即：

$$\frac{\partial f}{\partial x_1}=-2x_1+2x_2$$

令其为$0$，得到：

$$x_1=x_2$$

再固定$x_2$，得到：

$$\frac{\partial f}{\partial x_2}=-6x_2+2x_1$$

得到：

$$x_2=\frac{1}{3}{x}_1$$

不断按照上述的过程，直到算法收敛。下图是算法在整个过程中的更新曲线：

代码如下：

'''
Date: 20160406
@author: zhaozhiyong
'''
import matplotlib
import numpy as np
import matplotlib.cm as cm
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = -(X**2)
Z2 = -(Y**2)
Z = 1.0 * (Z1 + 3 * Z2 + 2 * X * Y)+6.0

plt.figure()

CS = plt.contour(X, Y, Z)

a = []
b = []

a.append(2.0)
b.append(2.0)

j = 1

for i in xrange(200):
    a_tmp = b[j-1]
    a.append(a_tmp)
    b.append(b[j-1])
    
    j = j+1
    
    b_tmp = a[j-1] / 3
    a.append(a[j-1])
    b.append(b_tmp)

plt.plot(a,b)

plt.title('Coordinate Ascent')
plt.xlabel('x')
plt.ylabel('y')
plt.show()

二、坐标上升法在函数优化中的应用

下面考虑求解如下的最大值问题：

$$\begin{gathered} \underset{x_1,x_2,x_3}{\mathrm{argmax}}f\left(x_1,x_2,x_3\right) \\ =-x_1^2-2x_2^2-3x_3^2+2x_1{x}_2+2x_1{x}_3-4x_2{x}_3+6 \end{gathered}$$

将上述函数分别对$x_1,x_2,x_3$求偏导，并令其为$0$，得到如下的等式：

$$x_1=x_2+x_3$$

$$x_2=\frac{1}{2}{x}_1-x_3$$

$$x_3=\frac{1}{3}{x}_1-\frac{2}{3}{x}_2$$

最终的结果为：

代码如下：

#!/bin/python
'''
Date: 20160406
@author: zhaozhiyong
'''

def f(x):
	x_1 = x[0]
	x_2 = x[1]
	x_3 = x[2]

	result = -(x_1*x_1)-2*(x_2*x_2)-3*(x_3*x_3)+2*x_1*x_2+2*x_1*x_3-4*x_2*x_3+6

	return result


if __name__ == "__main__":
	#print "hello world"
	err = 1.0e-10
	x = [1.0, 1.0, 1.0]
	f_0 = f(x)
	while 1:
		#print "Hello"
		x[0] = x[1] + x[2]
		x[1] = x[0] / 2 - x[2]
		x[2] = x[0] / 3 - 2 * x[1] / 3

		f_t = f(x)
		
		if (abs(f_t - f_0) < err):
			break

		f_0 = f_t
	
	print "max: " + str(f_0)
	print x

参考文章

• 坐标上升算法（Coordinate Ascent）及C++编程实现
• 机器学习算法与Python实践之（四）支持向量机（SVM）实现