最优化方法：梯度下降法、SGD

最新推荐文章于 2025-04-17 10:17:05 发布

wishchin

最新推荐文章于 2025-04-17 10:17:05 发布

阅读量6.1k

点赞数 1

分类专栏： STL/算法数学/工具

STL/算法同时被 2 个专栏收录

41 篇文章

订阅专栏

数学/工具

32 篇文章

订阅专栏

前言：

机器学习从目标函数到模型构建到特征提取，需要模型依据目标函数约束，根据回归方式进行调整数学模型，最基本最常用的一种方法是梯度下降法，以梯度下降为指导准则，优化目标函数到最优解。 原文地址：再谈最速/梯度下降法

一、算法过程

最速下降法（又称梯度法，或Steepest Descent），是无约束最优化领域中最简单的算法，单独就这种算法来看，属于早就“过时”了的一种算法。但是，它的理念是其他某些算法的组成部分，或者说是在其他某些算法中，也有最速下降法的“影子”。因此，我们还是有必要学习一下的。
我很久以前已经写过一篇关于最速下降法的文章了，但是这里我还打算再写一篇，提供更多一些信息，让大家可以从更简单生动的方面去理解它。

『1』名字释义
最速下降法只使用目标函数的一阶导数信息——从“梯度法”这个名字也可见一斑。并且，它的本意是取目标函数值“最快下降”的方向作为搜索方向。于是我们就想知道这个问题的答案：沿什么方向，目标函数f(x) 的值下降最快呢？

『2』函数值下降最快的方向
先说结论：沿负梯度方向 d=−gk ，函数值下降最快。
下面就来推导一下。
将目标函数 f(x) 在点 xk 处泰勒展开（这是我们惯用的“伎俩”了）——
f(x)=f(xk)+αgTkdk+o(α)
高阶无穷小 o(α) 可忽略，由于我们定义了步长 α>0 ，因此，当 gTkdk<0 时， f(x)<f(xk) ，即函数值是下降的。此时 dk 就是一个下降方向。
但是 dk 具体等于什么的时候，可使目标函数值下降最快呢？
文章来源：http://www.codelast.com/
由Cauchy-Schwartz不等式（柯西-许瓦兹不等式）可得：
∣∣dTkgk∣∣≤∥dk∥∥gk∥
当且仅当 dk=gk 时，等号成立， dTkgk 最大（>0）。
所以 dk=−gk 时， dTkgk 最小（<0）， f(x) 下降量最大。
所以 −gk 是最快速下降方向。

『3』缺点
它真的“最快速”吗？答案是否定的。
事实是，它只在局部范围内具有“最速”性质。
对整体求解过程而言，它的下降非常缓慢。

『4』感受一下它是如何“慢”的
先来看一幅图（直接从维基百科上弄过来的，感谢Wiki）：

文章来源：http://www.codelast.com/
这幅图表示的是对一个目标函数的寻优过程，图中锯齿状的路线就是寻优路线在二维平面上的投影。
这个函数的表达式是：
f(x1,x2)=(1−x1)2+100⋅(x2−x12)2
它叫做Rosenbrock function（罗森布罗克方程），是个非凸函数，在最优化领域，它通常被用来作为一个最优化算法的performance test函数。
我们来看一看它在三维空间中的图形：

文章来源： http://www.codelast.com/
它的全局最优点位于一个长长的、狭窄的、抛物线形状的、扁平的“山谷”中。

找到“山谷”并不难，难的是收敛到全局最优解（全局最优解在 (1,1) 处）。

正所谓：世界上最遥远的距离，不是你离我千山万水，而是你就在我眼前，我却要跨越千万步，才能找到你。

文章来源： http://www.codelast.com/
我们再来看另一个目标函数

f(x,y)=sin(12x2−14y2+3)cos(2x+1−ey) 的寻优过程：

和前面的Rosenbrock function一样，它的寻优过程也是“锯齿状”的。
它在三维空间中的图形是这样的：

总而言之就是：当目标函数的等值线接近于圆(球)时，下降较快；等值线类似于扁长的椭球时，一开始快，后来很慢。

文章来源： http://www.codelast.com/
『5』为什么“慢”的分析
上面花花绿绿的图确实很好看，我们看到了那些寻优过程有多么“惨烈”——太艰辛了不是么？
但不能光看热闹，还要分析一下——为什么会这样呢？
由精确line search满足的一阶必要条件，得：

∇f(xk+αkdk)Tdk=0 ，即

gTk+1dk=0
故由最速下降法的

dk=−gk 得：

gTk+1dk=gTk+1(−gk)=−gTk+1gk=−dTk+1dk=0⇒

dTk+1dk=0
即：相邻两次的搜索方向是相互直交的（投影到二维平面上，就是锯齿形状了）。
文章来源： http://www.codelast.com/
如果你非要问，为什么

dTk+1dk=0 就表明这两个向量是相互直交的？那么我就耐心地再解释一下：
由两向量夹角的公式：

θ=π2
两向量夹角为90度，因此它们直交。

『6』优点
这个被我们说得一无是处的最速下降法真的就那么糟糕吗？其实它还是有优点的：程序简单，计算量小；并且对初始点没有特别的要求；此外，许多算法的初始/再开始方向都是最速下降方向（即负梯度方向）。
文章来源：http://www.codelast.com/
『7』收敛性及收敛速度
最速下降法具有整体收敛性——对初始点没有特殊要求。
采用精确线搜索的最速下降法的收敛速度：线性。

二、梯度下降算法的代码

//梯度下降法
float gsdFindArc(std::vector<cv::Point2f>  & inlierPs,cv::Point2f  ¢er, float radius)
{
	//弧的残差函数为 f = A - 2nXiX - 2nYiY
	
	//double matrix[4][2]={{1,4},{2,5},{5,1},{4,2}};
	Eigen::MatrixXf  M(inlierPs.size(),2);
	for (int i=0;i< M.rows();++i )
	{
		M(i,0) = inlierPs[i].x;
		M(i,1) = inlierPs[i].y;
	}

	//初始化三个优化参数
	std::vector<float >  xi(3);
	xi[0] = center.x;
	xi[1] = center.y;
	xi[2] =   radius;

	//初始化result
	//double result[4]={19,26,19,20};
	std::vector<float >  result(inlierPs.size() );
	float r =  xi[2];
	for (int i=0;i< M.rows();++i )
	{
		float x = M(i,0);
		float y = M(i,1);
		result[i] = x*x + y*y - 2*x*xi[0] - 2*y*xi[1] + xi[0]*xi[0] + xi[1]*xi[1] - r*r;
	}

	//double      w[2]={0,0};//初始为零向量
	double    w[3] = {0,0,0};
	double    loss =    10.0;

	const double n = 0.01; //步长 

	int numIter = 100*inlierPs.size();
	for(int i=0;i< numIter && loss>0.001; i++)
	{
		double error_sum=0;


		int j = i % inlierPs.size();
		{ 
			double h = 0;
			for(int k=0; k<xi.size() ; k++)
				h += M(j,k)* w[k];

			error_sum = h - result[j];

			for(int k=0; k<xi.size(); k++)
				w[k] -= n * (error_sum) * M(j,k);//更新权值,权值更新过程为整个关键过程
		}


		double loss=0;

		for(int j=0; j< M.rows() ;j++)
		{
			double sum = 0;
			for( int k=0; k<xi.size() ; k++)
				sum += M(j,k) * w[k];

			loss += (sum - result[j]) * (sum-result[j]);
		}

		std::cout<< "Loss!"<< loss << std::endl;
	}

	return 1.0;
}

延伸

GD方法，从复杂方程解的高原区向梯度的负方向进行迭代，遇到了鞍点该怎么走，走错了怎么办？随机走下去吗？随机走下去的恰好是局部最优又怎么办？

还有一个，GD算法的学习率一般不能太大，必须小步小步，否则极易落入局部最优解，再也走不出来或者在局部最优解处反复震荡。