牛顿下降法

本文介绍了牛顿法及其在非线性优化问题中的应用,阐述了如何将极值问题转化为求解方程f(x)=0,并通过二次泰勒展开推导出牛顿法的迭代公式。同时,讨论了牛顿法计算Hessian矩阵导致的时间和空间开销问题,提出了拟牛顿下降法作为解决方案,包括DFP和BFGS两种方法。最后,对比了牛顿法与梯度下降法在求解极值问题上的差异。
摘要由CSDN通过智能技术生成

前言、求解什么问题

1)求解方程f(x)=0的值;

2)求解最优化问题的极值

       在最优化的问题中,线性最优化至少可以使用单纯行法求解,但对于非线性优化问题,牛顿法提供了一种求解办法:假设任务是优化一个目标函数f,求函数f的极值,可以转化为求解函数f的导数f' = 0的问题,这样就可以把问题当做问题1)求解了

一、牛顿法

1.1 思想

牛顿法的设计是为了求解f(x)=0的问题,对求极值g(x),可将其转化为g'(x) = f(x) = 0进行求解

此处:f(x) = g'(x)

         a. 迭代求解

         b. 对函数进行二次泰勒展开

1.2 推导公式

牛顿法需要求解二阶梯度(Hessian)矩阵,计算量比较大,

Hessian矩阵:

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