梯度法尽管收敛速度较慢,但其迭代的几何概念比较直观,方法和程序简单,虽要计算导数,但只要求一阶偏导,存储单元较少。此外,当迭代点距目标函数极小点尚远时,无论目标函数是否具有二次性,梯度法开始迭代时的下降速度还是很快的。常常利用这个特点,将梯度法和其他方法配合使用构成更有效和实用的算法,在理论上梯度法仍不失为一种极为重要的基本优化方法。
例子:
用梯度下降法求 的极小值。
梯度法尽管收敛速度较慢,但其迭代的几何概念比较直观,方法和程序简单,虽要计算导数,但只要求一阶偏导,存储单元较少。此外,当迭代点距目标函数极小点尚远时,无论目标函数是否具有二次性,梯度法开始迭代时的下降速度还是很快的。常常利用这个特点,将梯度法和其他方法配合使用构成更有效和实用的算法,在理论上梯度法仍不失为一种极为重要的基本优化方法。
例子:
用梯度下降法求 的极小值。