最优化第二讲——一维搜索法(牛顿法)
来源:互联网 发布:java主方法怎么写 编辑:程序博客网 时间:2024/05/17 19:56
牛顿法可以用来解决两种问题,其实本质上也是一种问题,就是方程求根,只不过一个是求f(x)=0的根,一个是求f(x)的导数=0的根
1. 无约束函数f(x) = 0的根
有两种方式可以解释一下牛顿法
切线法
这种方式就是不断的求点的切线,如果初始点是(x1, f(x1)),求得这个点的切线和x轴的交点(x2, 0),对应到曲线上的值为(x2, f(x2)),然后再求这个点的切线,一次类推,直到达到要求
我们看一下这个递推公式,x1, x2的关系如下
由此可以得到递推公式为
这个就是牛顿法的迭代公式
泰勒公式法
利用泰勒公式的一阶展开
求解f(x)=0就是方程的解,应为泰勒公式的一阶展开只是近似相等,并不完全相等,而且在dx很小的情况下是近似的,所以我们说f(x)=0使得
并不是找到了解,而是在一步步的逼近最优解,所以迭代的想法也就产生了,也得到了上面的迭代公式
2. 无约束函数f(x)的极值点
这里我们要求f(x)的极值点,其实就是在求f'(x)=0的点,可以跟上面类比,只不过上面的迭代公式中f(xn)变为f'(xn),f'(xn)变为f‘’(xn),这是一种理解方式
我们还可以根据泰勒公式的二阶展开来求解
0 0
- 最优化第二讲——一维搜索法(牛顿法)
- 最优化第二讲——一维搜索法(黄金分割法和java实现)
- 最优化第二讲—一维搜索算法(二分法、等区间法)
- 最优化学习笔记(一)——牛顿法(一维搜索方法)
- 最优化第二讲——一维搜索法(斐波那契法和java实现)
- 最优化 牛顿法
- 非线性最优化(一)——牛顿迭代法
- 【MATLAB】一维搜索之牛顿法
- 漫步最优化三十三——牛顿法
- 漫步最优化三十四——高斯-牛顿法
- 漫步最优化四十三——拟牛顿法
- 漫步最优化四十四——基本拟牛顿法
- 最优化之牛顿法
- 牛顿法-最优化方法
- 无约束最优化方法——牛顿法、拟牛顿法、BFGS、LBFGS
- 无约束最优化方法——牛顿法、拟牛顿法、BFGS、LBFGS
- 最优化方法—一维搜索
- 最优化学习笔记(七)——Levenberg-Marquardt修正(牛顿法修正)
- Swift简单值练习
- 黑马程序员---Java集合框架
- 程序员如何有效交流?
- n C++, statements
- sql总结之 若有一个字段其值为NULL,则不能直接对其加上或减去一个数值
- 最优化第二讲——一维搜索法(牛顿法)
- v8参考
- Android的开发之路
- A function
- 从Mathematica到GIF动画导出练习题
- ssh Struts2.3.16.1+Hibernate4.3.4+Spring4.0.2整合
- D3D显示文字
- Using standard library header files
- 开启 J2EE(二)— JDBC