前言
下面将介绍共轭梯度法,及其推导过程,迭代过程的公式为标红的1,2,3,4,并附有例题。
一、共轭梯度法简介
“共轭梯度法”是介于最速下降法与牛顿法之间的一个方法,它仅需利用一阶导数信息,但克服了最速下降法收敛慢的缺点,又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点,共轭梯度法不仅是解决大型线性方程组最有用的方法之一,也是解大型非线性最优化最有效的算法之一。 在各种优化算法中,共轭梯度法是非常重要的一种。其优点是所需存储量小,具有步收敛性,稳定性高,而且不需要任何外来参数。”
二、基本思想及参数推导
![请添加图片描述](https://img-blog.csdnimg.cn/274bf14658844bf99211852fd2e2ad86.jpeg)
![请添加图片描述](https://img-blog.csdnimg.cn/3c9c38af2aa34eb08a8c265d9f168b37.jpeg)
三、示例![在这里插入图片描述](https://img-blog.csdnimg.cn/da5ed28a753643e1a35242389b96788a.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/301337c4bc074b2ca505fe666553db41.jpeg)