牛顿法与拟牛顿法区别与联系:
牛顿法:
优点:二阶收敛,收敛速度快;
缺点:牛顿法是一种迭代算法,每一步都需要求解目标函数的Hessian矩阵的逆矩阵,计算比较复杂。目标函数必须具有连续的一、二阶偏导数,海森矩阵必须正定。如果海塞矩阵无法保持正定,会使得牛顿法失效。
拟牛顿法:
![](https://i-blog.csdnimg.cn/blog_migrate/b3b023de6a24e78b76c26a2f2b8278af.png)
使用正定矩阵来近似Hessian矩阵的逆, (因为只有正定矩阵才能保证牛顿法的搜索方向是向下搜索的),从而简化了运算的复杂度。拟牛顿法最关键的地方就是每一步迭代中矩阵Bk 的更新。常用的拟牛顿法有DFP算法和BFGS算法
两者相同点:牛顿法(Newton method)和拟牛顿法(quasi Newton method)是求解无约束最优化问题的常用方法,有收敛速度快的优点。
两者区别:在于用近似的Hesse矩阵Bk ,代替真实的Hesse矩阵。
同:本质上都是在若干约束条件下的函数极值问题。
动态规划:
动态规划方法把全过程化为一系列结构相似的子问题,每个子间题的变量个数大大减少,约束集合也简单得多,易于得到全局最优解
没有统一的标准模型,大部分情况只能够凭经验判断是否适用动态规划
动态规划的解决方法,是利用状态转移方程把问题归结的子问题求解。换句话讲,把最终状态的求解归结为其他状态的求解
静态规划:从一个或多个可行解开始,通过不断迭代对现有可行解优化,最后得到最优解
步骤
两者相同点:牛顿法(Newton method)和拟牛顿法(quasi Newton method)是求解无约束最优化问题的常用方法,有收敛速度快的优点。
两者区别:在于用近似的Hesse矩阵Bk ,代替真实的Hesse矩阵。
动态规划问题与静态规划问题(线性和非线性规划)的异同及一些静态规划问题如何化为动态规划问题
同:本质上都是在若干约束条件下的函数极值问题。
动态规划:
动态规划方法把全过程化为一系列结构相似的子问题,每个子间题的变量个数大大减少,约束集合也简单得多,易于得到全局最优解
没有统一的标准模型,大部分情况只能够凭经验判断是否适用动态规划
动态规划的解决方法,是利用状态转移方程把问题归结的子问题求解。换句话讲,把最终状态的求解归结为其他状态的求解
静态规划:从一个或多个可行解开始,通过不断迭代对现有可行解优化,最后得到最优解
动态规划建模步骤:
步骤
步骤1 划分阶段:按时间或者空间先后顺序,将过程划分为若干个相互联系的阶段。
步骤2 正确选择状态变量Xk 既要确切描述过程演变又要满足无后效性。(一般从过程的演变特点当中寻找)
步骤3 确定决策变量Uk及允许决策集合Dk(Xk)(通常选择所求解问题的关键变量作为决策变量)
步骤4 确定状态转移方程Xk+1=Tk(Xk,Uk)
步骤5 确定阶段指标Vk和最优指标函数,建立动态规划基本方程
逆推解法和顺推解法的异同(动态规划解法)
乘子法与惩罚函数法的异同
- 罚函数:根据约束条件的特点,构造出惩罚函数,然后加入到目标函数中,将有约束的问题转化为无约束问题;新目标函数的解与原始目标函数解一致;
- 乘子法:给予违反约束适当的惩罚,使得无约束的拉格朗日函数的解与原优化函数的解一致。拉格朗日乘子法的策略是将有约束的问题转化成无约束的优化问题
- 同:将有约束的问题转化成无约束的优化问题
不同:
内点法与外点法的比较: