最优化论文
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
题目:非线性最小二乘法问题的一种解法--高斯-牛顿法
学生姓名:聂倩云
学号:113113001039
学院:理学院
专业名称:应用数学
非线性最小二乘法问题的一种解法--高斯-牛顿法
目录
前言 (1)
1. 拟牛顿法及相关讨论 (1)
2.牛顿法 (1)
3.拟牛顿法 (2)
3.1DFP公式 (2)
3.2BFGS公式 (4)
3.3限域拟牛顿法 (6)
4.针对二次非凸性函数的若干变形 (6)
参考文献: (7)
非线性最小二乘法问题一种解法--高斯-牛顿法
学生:聂倩云 学号:113113001039
摘 要:非线性最小二乘法问题在工程技术、测绘等各个领域有着非常广泛的应用,我们考虑无约束非线性最小二乘问题的一种常见的解法:高斯-牛顿法。求解无约束优化问题的基本方法是牛顿法,本文从这点出发,介绍此方法步骤,探讨此方法的收敛性,讨论它的收敛速度,并给出高斯-牛顿法的一种修正:阻尼高斯牛顿法。
关键词:非线性最小二乘;高斯-牛顿法;收敛性;收敛速度
前言
非线性最小二乘问题结构特殊,不仅可以用一般的最优化问题求解的方法,还可以对一般的无约束优化问题求解方法进行改造,得到一些特殊的求解方法。而这些方法基本思想就是形成对目标函数的海森矩阵不同的近似。
1.非线性最小二乘法问题概述
非线性最小二乘法模型为
()()[]()()()22
12
12121m in x r x r x r x r x f T
m i i ===∑= 其一阶、二阶导数分别为
()()()x r x A x g =
()()()()()()()x S x M x r x r x A x A x G m
i i i T
+=∇+=∑=12
其中()()()()()T
m x r x r x r x r ,,,21 =称为在点x 处的残向量,()x r i 为非线性函
数,且
()()()[]x r x r x A m ∇∇=,,1 ,其中()()()
T
x A x A x M =称为高斯-牛顿
矩阵,为()x G
中的线性项,()x S 为()x G 中的非线性项。
2.高斯-牛顿法
高斯-牛顿法主要思想是省略非线性项()x S
从而形成对海森矩阵的近似。
当()x r i
在目标函数最优解*
x 处等于0,称()x r 为0残量;当()x r i
在目标函
数最优解*
x 处取值较小,称()x r
为小残量,这时用近似逼近使()x S 为0,即这
时线性项()x M
去近似海森矩阵()x G 比较好,我们通过求解方程组
()()k k k T
k k r A g A A -=-=δ
的最优解()
k δ
,并将它作为搜索方向,此时迭代形式为
()()()k k k x x δ+=+1
这就是高斯-牛顿法。 2.1 方向的下降性
由于T
k k A A 半正定,所以
()k k T T k k T r A A A δδδ-=≤0
即
()()0≤=k T k k T g r A δδ
所以高斯-牛顿法的搜索方向不可能是()x f 的上升方向,这就保证了高斯-牛顿
法的可行性。 2.2收敛性和收敛速度 先给出一个定理: 定理:下列条件成立 (1)设D 为开凸集,()x f 在D 上二次连续可微;
(2)D x
∈∃*
使()()()0==***x r x A x g ;
(3)存在常数β,γ使
()()D y x y x y A x A ∈∀-≤-,,β ()()D y x y x y G x G ∈∀-≤-,,γ
(4)()x A
满秩且存在常数M ,σ使得
()()()D x M x M x H x A ∈∀≤=≤-,,1
σ
则高斯-牛顿法对所有的D x ∈都有定义,且
()
()()
()
()
(
)2
1k k k h
h
x
S x H h
O +≤*
*
+
其中()
()*-=x x h
k k
证明:由于()x A
满秩,所以T
k
k
A
A 正定,所以高斯-牛顿法搜索方向是下降方向,
从而对所有的D x ∈都有定义。
()()()()(
)
()
()()()(
)()()(
)()y
x y A y A y A x A y A x A x A x A y A y A x A x A y M x M T
T
T
T
T
T
-≤-+-≤-=-σβ2
()()()()()()()y
x y M y G x M x G y S x S -+≤+--=-σβγ2
()()()()
()()()[]()
y
x M y M x M y M x M y M x M y H x H -≤-=
-=-----σβ211112
而
()()()()()()()
(
)2
0k k k k h h x G x g x g ο+-==*
两边左乘k H ,则
()
()()
()
(
)
()
()()()
()()
()()
k k k k k k k k k k k k k h
S H H h S S H h x S x H h
h
h S H h *
*
*
*
*
+------=+---=12
0οδ
从而可以证明结论。
我们从上面定理结论可以看出:
若*
S 比较大,则高斯-牛顿法一般不收敛。
如果方法收敛,则当0=*S 时,有()
()(
)2
1k k h h
O ≤+,从而高斯-牛顿法
二次收敛;当0≠*
S
时,方法是线性收敛的。