前言
无约束问题的求解过程一般都是通过一系列的一维搜索来实现,搜索方向的不同,形成了不同的最优化方法。这篇文章从最速下降法入手,来进行搜索。
一、最速下降法介绍
最速下降法又叫梯度法,通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。如果我们需要求解损失函数的最大值,这时就需要用梯度上升法来迭代,其过程刚好与最速下降法相反,所以在求解最大值的优化问题时,常常将目标函数加负号之后,转变为求最小值后,使用最速下降法来求解。
二、最速下降法原理
最速下降法是使用负梯度方向
来作为搜索的方向。设f(x)在Xk附近 可微,dk为搜索方向,gk为梯度方向,有Taylor公式可知:
而由导数的定义可知