无约束优化方法

您所在的位置:网站首页 无约束优化是什么原理 无约束优化方法

无约束优化方法

2024-07-15 03:12| 来源: 网络整理| 查看: 265

无约束优化方法 1. 简介

无约束问题是指只有优化目标,而不存在约束条件的问题,用数学模型可表示为

在这里插入图片描述

2. 无约束优化方法

无约束优化方法是通常是由给定的初始点出发,按一定的规则不断向最优解趋近,根据不同的趋近思想/规则,有如下的方法。下面介绍其中常见的三种方法。 在这里插入图片描述

2.1 牛顿法 2.1.1 理论推导

牛顿法基本思想是用 f(x) 在已知点 x0 处的二阶 Taylor 展开式来近似代替f(x) ,即 在这里插入图片描述 用 g(x) 的极小值点 x1 作为 f(x) 的近似极小值点,即对g(x)两边求导,代入 x1 后化简: 在这里插入图片描述 在这里插入图片描述 以此类推,得到迭代规则: 在这里插入图片描述

2.1.2 求函数极值 import sympy as sy def cal_dffi(f,x0,d): x = sy.symbols("x") f1 = sy.diff(f,x,d) y = f1.evalf(subs={x:x0}) return y def Newton(x0, f, detal): while True: x1 = x0 - cal_dffi(f,x0,d=1)/cal_dffi(f,x0,d=2) print(x1) if abs(x1-x0)


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3