不定常迭代法 |
您所在的位置:网站首页 › 梯度求法例题 › 不定常迭代法 |
不定常迭代法
最速下降法和共轭梯度法本质上来讲是一种变分方法,他们对应于求解一个二次函数的极值问题 最速下降法(SD)对于一个线性方程组 A x = b Ax=b Ax=b ,和它等价的变分问题是 ϕ ( x ) = 1 2 x T A x − x T b \phi(x) = \frac{1}{2}x^{T}Ax - x^{T}b ϕ(x)=21xTAx−xTb 其中 A A A是一个 对称正定矩阵,根据正定矩阵的性质便于找到极小值 下图是相关的一个推导,从此对梯度下降法有了不一样的理解 共轭梯度法(CG)它的出现是因为最速下降法只是在每一步的下降中(局部)取了一个下降最快的方向,但是从整体来讲他不一定是最好的方向,因此就诞生了共轭梯度法。 共轭梯度法产生步长的方法和最速下降法是一致的,产生的方向是一组共轭方向;并且该方法的优点在于最多经过 n n n 步迭代之后,就可以得到精确解。 PS: 共轭梯度法的收敛性比最速下降法好 广义极小残差量法(GMRES:General Minimal RESidual)这一算法针对的是求解非对称线性方程组算法. 预处理技术在很多算法中会经常见到预处理技术,尤其在共轭梯度法中体现较多,预处理技术的应用可以加快收敛速度。 在方程组求解过程中,当系数矩阵的条件数不好(即它的特征值之间的差距很大,以至于在求解整个方程组过程中,每个方程的”重要性“不一样)时会对其进行预处理。 在论文中看到的一种预处理技术就是用加权范数替代二范数,本质也是在系数矩阵前面乘了一个预处理矩阵,并且这个预处理矩阵通常由良好的性质,例如对称正定,对角等。 PS: 矩阵计算这本书的第六章提及了这一技术。 就单对于共轭梯度法(求解大型的线性系统)来讲,预处理有以下几种选择: 再整理的过程中参考了以下文章: 1、https://zhuanlan.zhihu.com/p/179956655 2、http://staff.ustc.edu.cn/~rui/ppt/num/num-leq-cg.html |
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 |