随机并行梯度下降(Stochastic Parallel Gradient Descent,简称SPGD)算法
优点:参数简单、收敛性和稳定性较好,并且容易实现
基本思想:选取目标函数的负梯度方向(最速下降方向)作为每步迭代的搜索方向,沿此方向前进一个步长,如此循环下去,便可以逐步逼近函数的极值点。它的梯度估值是通过对目标函数J的控制参量u施加随机扰动来实现的。
算法原理:对目标函数J的所有控制变化量同时施加随机扰动
,则目标函数J的变化量为:
将其在
随机并行梯度下降(Stochastic Parallel Gradient Descent,简称SPGD)算法
优点:参数简单、收敛性和稳定性较好,并且容易实现
基本思想:选取目标函数的负梯度方向(最速下降方向)作为每步迭代的搜索方向,沿此方向前进一个步长,如此循环下去,便可以逐步逼近函数的极值点。它的梯度估值是通过对目标函数J的控制参量u施加随机扰动来实现的。
算法原理:对目标函数J的所有控制变化量同时施加随机扰动
,则目标函数J的变化量为:
将其在