【Numerical Optimization】3 Line Search Methods

2019.02.24

  1. 迭代形式、什么是下降方向
  2. 精确线搜索和wofle步长
  3. Zoutendijk条件-普遍条件下推导收敛性/收敛率的必经步骤
  4. 特定步长下的收敛性/收敛率证明都比较通俗】

2018.12.27更新,在文末补充了一些笔记 


1.Step Length


1.1 Wolfe conditions:

  • Armijo condition(保证\alpha _{_{k}}p_{_{k}}方向上的下降区间内 ):f\left ( x_{k} +\alpha _{k}p_{k}\right )\leq f(x_{k})+c_{_{1}}\alpha _{_{k}}\bigtriangledown f_{k}^{T}p_{k}
  • curvature condition (保证步长\alpha _{_{k}}足够大):\bigtriangledown f(x_{k}+\alpha _{k}p_{k})^{T}p_{k}\geq c_{2}\bigtriangledown f_{k}^{T}p_{k}

 strong Wolfe conditions:

  • 在 Wolfe conditions 修正了曲率条件: \left | \bigtriangledown f(x_{k}+\alpha _{k}p_{k})^{T}p_{k}\right|\geq \left|c_{2}\bigtriangledown f_{k}^{T}p_{k}\right|

1.2 The Goldstein conditions 

 

1.3 BLS 

 


2. Convergence of Line search methods


 Zoutendijk condition:    

                                                       \sum_{k=0}^{\infty}cos^{2}\theta _{k}\left \| \bigtriangledown f_{k} \right \|^{2}< \infty

If the angle \theta_{k} is bounded away from 90^{\circ} ,then

                                                                                \lim_{k\rightarrow \infty}\left \| \bigtriangledown f_{k} \right \|=0

 


3.Rate of Convergence


3.1 Q-convergence:

                                                                                \lim_{k\rightarrow \infty}\frac{\left | x_{k+1}-x^{*} \right |}{\left|x_{k}-x^{*}\right|^{\alpha }}=c

 

  • \alpha =1,0< c< 1 : linear convergence
  • \alpha =1,c=0 : super linear convergence
  • \alpha =2,c=constant : Qudractic convergence
  • \alpha >2,0< c< \infty :  \alpha阶收敛

 3.2 几个常见方法的收敛率

 


4.Step-Length Selection Algotithms


 


 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值