第四章无约束优化方法内容摘要：

在 处取得极小点的必要条件  fx *x ** 0f x G x b      * 1 1 1 111f x G x a d b G x b a G d       111 0f x a G d   等式两边同乘 得  0 Td  01 0Td G d 0d 1d 是对 G的共轭方向。 三、共轭方向法 选定初始点 ，下降方向 和收敛精度 ε， k=0。 0x 0d沿 方向进行一维搜索，得 kd 1k k kkx x a d 判断 是否满足，若满足则打印  1kfx  1kx否则转 4。 提供新的共轭方向 ，使 1kd    1 0Tjkd G d 置 ，转 2。 1kk第五节 共轭梯度法 共轭梯度法是共轭方向法的一种，共轭向量有迭代点 的负梯度构造出来，所以称共轭梯度法。   12 TTf x x G x b x c  1k k kkx x a d 1k k kkx x a d kkg G x b从点 出发，沿 G某一共轭方向 作一维搜索 ,到达 kx kd 1kx 11 kkg Gx b 而在点 、 处的梯度分别为： kx 1kx  11 k k kk k kg g G x x a G d      1 0Tjkd G d    0Tjkd G d    1 0Tj kkd G g g 得出共轭方向与梯度之间的关系。 此式表明沿方向 kd进行一维搜索，其终点 与始点 的梯度值差 1kx 。
阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。 用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。
标签： 无约束 第四章 优化