Содержание

Слайд 2

Методы минимизации функций многих переменных

 

 

Методы минимизации функций многих переменных

Слайд 3

Методы безусловной минимизации функций многих переменных

Поверхностью уровня функции f(x) называется множество
точек,

Методы безусловной минимизации функций многих переменных Поверхностью уровня функции f(x) называется множество
в которых функция принимает постоянное значение,
то есть f(x)=const

Определение

 

Примеры

Слайд 4

Функция f(x) называется дифференцируемой в точке
, если существует такой вектор ,

Функция f(x) называется дифференцируемой в точке , если существует такой вектор ,
что
для любого x в окрестности справедливо
асимптотическое равенство:

Пусть задано пространство и некоторое
множество.

Необходимое условие оптимальности для дифференцируемых функций

скалярное произведение векторов по
правилу ;

- евклидова норма вектора;

Определение

- величина бесконечно малая по сравнению с

Слайд 5

Если f(x) дифференцируема, то направлением наибыстрей-
шего убывания функции f(x) в точке является

Если f(x) дифференцируема, то направлением наибыстрей- шего убывания функции f(x) в точке
направ-
ление антиградиента

Оптимальное решение , минимизирующее
дифференцируемую функцию f(x) на множестве X,
находится либо на границе множества Х, либо на
множестве решений уравнения

Вектор называется градиентом функции f(x) в
точке и для

Определение

Утверждение

Слайд 6

Матрицей Гессе H(x) дважды непрерывно дифференцируемой в точке x
функции f(x) называется

Матрицей Гессе H(x) дважды непрерывно дифференцируемой в точке x функции f(x) называется
матрица частных производных второго порядка,
вычисленных в данной точке

Определение

Пример

Слайд 7

Определение

 

Определение

Слайд 9

Методы безусловной минимизации функций многих переменных

 

Метод покоординатного спуска ( конфигураций или Хука-Дживса)
Метод

Методы безусловной минимизации функций многих переменных Метод покоординатного спуска ( конфигураций или
конфигураций включает два основных этапа:
Поиск вокруг базисной точки (исследующий поиск);
Поиск в направлении, выбранном для оптимизации (поиск по образцу)

В различных вариантах методов спуска

используются разные способы выбора скаляра λ ( метод с постоянным шагом, с дроблением шага, метод наискорейшего спуска)

Слайд 10

Метод покоординатного спуска

 

Основная идея метода покоординатного спуска

 

Метод покоординатного спуска Основная идея метода покоординатного спуска

Слайд 11

Метод покоординатного спуска

 

Метод покоординатного спуска

Слайд 12

Метод покоординатного спуска

 

Метод покоординатного спуска

Слайд 13

 

Алгоритм метода покоординатного спуска

Алгоритм метода покоординатного спуска

Слайд 14

Геометрическая интерпретация

Геометрическая интерпретация

Слайд 15

 

ПРИМЕР

ПРИМЕР

Слайд 17

Метод наискорейшего спуска

 

Идея метода наискорейшего спуска

Геометрическая интерпретация

Метод наискорейшего спуска Идея метода наискорейшего спуска Геометрическая интерпретация

Слайд 18

ВЫБРАТЬ
- начальная точка

Метод наискорейшего спуска

НАЧАЛО

КОНЕЦ

+

-

ВЫБРАТЬ - начальная точка Метод наискорейшего спуска НАЧАЛО КОНЕЦ + -

Слайд 20

Метод наискорейшего спуска

Замечания:
Метод наискорейшего спуска сходится достаточно быстро, если для минимизирующей

Метод наискорейшего спуска Замечания: Метод наискорейшего спуска сходится достаточно быстро, если для
функции поверхности уровня близки к сферам. Однако, если поверхности уровня минимизирующей функции сильно вытянуты в некотором направлении, то метод сходится, но может застревать в локальном минимуме.
В двумерном случае рельеф поверхности напоминает рельеф местности с оврагом. Поэтому такие функции называются «овражными». Вдоль направления, характеризующего дно оврага «овражная» функция меняется незначительно, а в других направлениях, характеризующих склон оврага происходит резкое изменение функции. Если начальная точка попадает на склон оврага, то направление градиентного спуска оказывается перпендикулярным к дну оврага и очередное приближение попадает на противоположный склон оврага. В результате, вместо того, чтобы двигаться вдоль дна оврага в направлении к точке минимума, траектория спуска совершает зигзагообразные скачки поперек оврага, почти не приближаясь к точке минимума.

Слайд 21

ПРИМЕР

 

ПРИМЕР

Слайд 22

Метод сопряженных градиентов

 

Геометрическая интерпретация

Иллюстрация последовательных приближений метода наискорейшего спуска и метода сопряжённых

Метод сопряженных градиентов Геометрическая интерпретация Иллюстрация последовательных приближений метода наискорейшего спуска и
градиентов к точке экстремума.

Слайд 23

Обоснование метода сопряженных градиентов

 

Определение

 

Нулевая итерация

Обоснование метода сопряженных градиентов Определение Нулевая итерация

Слайд 25

Метод сопряженных градиентов

ВЫБРАТЬ

НАЧАЛО

КОНЕЦ

+

-

 

 

 

 

 

 

Метод сопряженных градиентов ВЫБРАТЬ НАЧАЛО КОНЕЦ + -

Слайд 26

 

Замечание: Если требуется найти глобальный минимум функции f(x), То для строго выпуклой

Замечание: Если требуется найти глобальный минимум функции f(x), То для строго выпуклой
f(x) Решение этой задачи аналогично поиску локального минимума функции. В случае, когда f(x) имеет несколько локальных минимумов, поиск глобального минимума осуществляется в результате перебора всех локальных минимумов.

Слайд 27

ПРИМЕР

 

ПРИМЕР

Слайд 28

Метод Ньютона

Метод Ньютона относится к градиентным методам второго порядка, в котором направление

Метод Ньютона Метод Ньютона относится к градиентным методам второго порядка, в котором
минимизации выбирается умножением вектора антиградиента на матрицу, обратную матрице Гессе.

 

Слайд 29

Метод Ньютона

 

 

Метод Ньютона

Слайд 31

Алгоритм метода Ньютона

 

Алгоритм метода Ньютона

Слайд 32

Алгоритм метода Ньютона

 

 

Алгоритм метода Ньютона

Слайд 33

ПРИМЕР

 

ПРИМЕР
Имя файла: МО26.pptx
Количество просмотров: 32
Количество скачиваний: 0