本文介绍了数值优化中的Wolfe条件，这是一种常用且高效的线搜索终止条件。线搜索过程确保在下降方向找到满足强Wolfe条件的步长。算法包括两步：初始步长估计和zoom函数的递归应用，用于逐步缩小区间直至找到合适步长。在过程中，检查足够下降条件和曲率条件，确保步长满足要求。zoom函数的调用策略确保了在有限迭代内找到满足条件的步长。
翻译自numerical optimization Chapter3 Line Search Methods
【没写完，可参考http://blog.csdn.net/fangqingan_java/article/details/46405669】
Wolfe条件（或强Wolfe条件）是广泛使用并且较为有效的终止条件。
下面描述一个一维的线搜索过程，该过程确保对于给定的任意参数c1，c2（1>c2>c>0），能够找到一个能够满足强Wolfe条件的步长。 首先，我们假设方向p是下降方向，函数f沿着该方向在下面是有界的。
算法分为两个步骤，第一步首先开始于一个对于步长α的估计值α1，然后后续不断扩大其大小，直到找到一个合适的步长或者一个包含目标步长的区间。如果是后者的话（找到区间），就需要不断调用第二步，称为zoom的函数，来不断缩小区间大小，直到找到合适步长。
line search算法的一个形式说明如下。公式
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
