课程大纲
核心思想:把问题转换为凸优化问题
一般的有约束优化问题
等式约束
不等式约束
KKT:
有约束优化问题的解的必要条件;
KKT可以用于求约束优化问题的极值点;
相对于无约束时,极值点f(x)的一阶导数为0
凸优化问题
当问题是凸优化时,问题变得更简单了
1. 局部最优价等价于全局最优解
2. KKT条件变成了充分问题
证明深度下降法的轨迹是正交的
深度下降法步骤(细化了下降步进的计算公式)
1 初始化:
x0
2 计算下降方向
dk=−▽f\(xk)
3 计算下降步长
αk=argminf\(xk+αdk)
s.t. α>0
4 更新
xk+1=xk+αkdk
5 判断是否收敛
其中第3步下降步进的计算,该公式是关于变量
α
的公式。该步骤是在确定了下降方向后,求让
f\(xk+αdk)
最小的步长
αk
其中
αk
满足
f\(xk+αkdk)=minf\(xk+αdk)
所以当
α=αk
时
→▽f\(xk+αdk)=0
→dTk▽f\(xk+αdk)=0
→dTkdk+1=0
所以相近两步更新的轨迹相互正交
PS 上面最两步推导我是直接引用链式法则:张贤达 矩阵分析与应用 第一版 p260