Python与最优化
文章平均质量分 80
lxy孙悟空
这个作者很懒,什么都没留下…
展开
-
用Python实现牛顿法求极值
对于一个多元函数f(x)=f(x1,x2,⋯,xn)f(x)=f(x_{1},x_{2},\cdots,x_{n}),用牛顿法求其极小值的迭代格式为 xk+1=xk−G−1kgkx_{k+1}=x_{k}-G_{k}^{-1}g_{k}其中g(x)=∇f(x)g(x)=\nabla f(x)为函数f(x)f(x)的梯度向量,G(x)G(x)为函数f(x)f(x)的Hesse(Hessian)矩阵。原创 2015-08-02 17:19:09 · 18161 阅读 · 0 评论 -
用Python实现最速下降法求极值
对于一个多元函数f(x)=f(x1,x2,⋯,xn)f(x)=f(x_{1},x_{2},\cdots,x_{n}),用最速下降法(又称梯度下降法)求其极小值的迭代格式为 xk+1=xk+αkdkx_{k+1}=x_{k}+\alpha_{k}d_{k}其中dk=−gk=−∇f(xk)d_{k}=-g_{k}=-\nabla f(x_{k})为负梯度方向,即最速下降方向,αk\alpha_{k}为原创 2015-08-03 12:31:43 · 13421 阅读 · 0 评论