袁亚湘院士经典优化方法漫谈报告笔记
1 什么是优化
优化:多种选择中挑最好的
任何存在决策的问题是优化问题 ,优化是运筹管理的核心方法,机器学习深度学习人工智能本质是一种优化问题。
在数学中为求极值问题。
2 线性规划
2.1单纯性法
解在顶点 单纯型法 在顶点调整。
几何上寻找凸面体上最低点,直观简单。
缺点:不是多项式算法,存在例子遍历所有顶点。
2.2 内点法
在之前先介绍椭球算法。
蓝色为可行凸集,构造红色椭球将其包围,红点为中心。红点不在蓝色区域内,存在超平面(红线)将蓝色区域和红点分离,即将红色椭球分为两部分。丢弃红点所在部分,构造新椭球将剩余红色椭球部分包围,继续分割,直至中心点在蓝色区域。
将非负约束取log ,作为罚函数。违反约束时,罚函数趋近无穷。
等边三角形作为最简单凸多面体,x*为最低点,x作为起始点,作内接圆,下一步迭代到w,与目标值距离减少一半以上,具有较好的性质。
3非线性规划
梯度法
3.1 最速下降法
本质泰勒展开原理。最速下降为非线性规划的最简单方法。
最速下降:最优方向 +最优步长!=最优 处理椭圆时,会形成左右横跳。
开个玩笑:班上最好的男生一般不找班上最好的女生。
反而出现使用使用上一个步长效果较好。
3.2共轭梯度法
我走最优的步长,如何选择方向?共轭方向。
下一个方向是上一个方向的线性组合。共轭将一个n维问题转化为了n个一维问题。
分子分母组合出第四个方法。
3.3拟牛顿法
牛顿法:切线代替曲线
因为海森矩阵难求,因此代替,模拟海森矩阵性质。
4 信赖域方法
在区域内搜索
5 非线性优化问题
未完待续
KKT
拉格朗日函数
最小最大 鞍点