凸优化第九章无约束优化　9.2下降方法

最新推荐文章于 2021-12-24 10:15:42 发布

VIP文章「已注销」

最新推荐文章于 2021-12-24 10:15:42 发布

阅读量420

点赞数

分类专栏：凸优化

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wangchy29/article/details/87966604

版权

9.2下降方法

下降方法将产生一个优化点列 $x^{(k)},k=1,\cdots,$ 其中 $x^{(k+1)}=x^{(k)}+t^{(k)}\bigtriangleup x^{(k)}$ ，且 $t^{(K)}>0,f(x^{(k+1)})<f(x^{(k)})$ 。 $\bigtriangleup x$ 是一个向量表示步径或搜索方向。标量 $t^{(k)}\geq 0$ 被称为第k次迭代的步长。

方法的思想：只有 $x^{(k)}$ 不是最优解，就找一个比 $x^{(k)}$ 更好的点。

由目标函数凸性可知（一阶特征）

最低0.47元/天解锁文章

「已注销」

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
凸优化第九章无约束优化　9.2下降方法

9.2下降方法下降方法将产生一个优化点列其中，且。是一个向量表示步径或搜索方向。标量被称为第k次迭代的步长。方法的思想：只有不是最优解，就找一个比更好的点。由目标函数凸性可知（一阶特征），可知时，，于是可知，而在下降方法中显然，而且要求，故下降方法中的搜索方向必须满足，即它和负梯度放心的夹角必须是锐角。这样的方向为下降方向。下降方法：确定下降方向，然后选择步长t，其一般框架如下：...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。