|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Метод сопряженных направленийОпределение: два -мерных вектора и называют сопряженными по отношению к матрице (или -сопряженными), если скалярное произведение , при .Здесь – симметрическая положительно определенная матрица размером . Использование векторов, сопряженных относительно некоторой положительно определенной матрицы, составляет основу метода первого порядка, известного как метод сопряженных направлений.
Метод сопряженных градиентов формирует направления поиска, в большей мере соответствующие геометрии минимизируемой функции. Это существенно увеличивает скорость сходимости и позволяет, например, минимизировать квадратичную функцию с симметрической положительно определенной матрицей за конечное число шагов , равное числу переменных функции. Метод Флетчера-Ривса решает эту проблему путем преобразования на каждом шаге антиградиента в направление , -сопряженное с ранее найденными направлениями . На первом направлении принимается: (13) Далее на каждом направлении ищется оптимальная точка: (14)
Геометрический смысл траектории спуска в методе сопряженных градиентов показан на рисунке. Из заданной начальной точки осуществляется спуск в направлении . В точке определяется вектор-градиент . Поскольку является точкой минимума функции в направлении , то ортогонален вектору . Затем отыскивается вектор , -сопряженный к . Далее отыскивается минимум функции вдоль направления и т. д. Методы сопряженных направлений являются одними из наиболее эффективных для решения задач минимизации. Однако они чувствительны к ошибкам, возникающим в процессе счета. При большом числе переменных погрешность может настолько возрасти, что процесс придется повторять даже для квадратичной функции, т. е. процесс для нее не всегда укладывается в шагов. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.002 сек.) |