博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
牛顿法和最优化
阅读量:4153 次
发布时间:2019-05-25

本文共 543 字,大约阅读时间需要 1 分钟。

牛顿法最早的应用是求解方程的根,先来张直观的动图说明求解过程:

在这里插入图片描述

开始时,先找一个离f(x)零点比较近的点x0,然后做出穿过(x0,f(x0)),且斜率为f(x0)’的直线(即f(x)在x0处的切线),该直线与x轴交点的位置将比x0更接近f(x)零点;

然后重复上一步的操作,这样得到的f(x)的切线与x轴交点将会离f(x)零点越来越近,当误差或迭代次数达到一定条件,我们就得到了满足需要精度的f(x)=0解。

下一个点与当前点的关系满足:

Xn+1 = xn - f(xn)/f’(xn) 【1】

牛顿法用于最优化的基本思想是:

对于函数g(x),在其某区间上的极大或极小值处(其实只要是驻点都可以),有g’(x)=0,

于是,最优化问题又转化为牛顿法求解的问题,找到了让g’(x)=0的x值,也就找到了g(x)在该区间上的极大或极小值。

根据【1】式,有:

Xn+1 = xn - g’(xn)/g’’(xn)

牛顿法的收敛速度很快,可以证明,它的收敛速度至少是二阶收敛的,但它需要计算二阶导数,初始点要选好,否则可能不收敛。

需要注意的是,用牛顿法求出来的其实是驻点,而驻点不一定是极大值或较小值,因此,为了保证牛顿法收敛到极小值点,应要求g’’(xn)>0,至少对足够大的n如此。

转载地址:http://uarti.baihongyu.com/

你可能感兴趣的文章
高斯-塞德尔迭代法Gauss-Seidel_解线性方程组的迭代法
查看>>
超松驰迭代法SOR_解线性方程组的迭代法
查看>>
拉格朗日插值多项式
查看>>
牛顿插值多项式
查看>>
最小二乘法 直线拟合 c语言实现
查看>>
最小二乘法 多项式拟合 C语言实现
查看>>
复化梯形求积公式 c语言实现 数值积分
查看>>
复化辛普森Simpson求积公式 c语言实现 数值积分
查看>>
变步长梯形求积公式 c语言实现 数值积分
查看>>
龙贝格求积公式 c语言实现 数值积分
查看>>
改进的欧拉法计算常微分方程初值问题
查看>>
CSU 1505 酷酷的单词
查看>>
PAT L1-003. 个位数统计
查看>>
PAT L1-005. 考试座位号
查看>>
PAT L1-002. 打印沙漏
查看>>
PAT L1-007. 念数字
查看>>
PAT L1-010. 比较大小
查看>>
PAT L1-012. 计算指数
查看>>
PAT L1-013. 计算阶乘和
查看>>
PAT L1-015. 跟奥巴马一起画方块
查看>>