码迷,mamicode.com
首页 > 其他好文 > 详细

【转】再谈 最速下降法/梯度法/Steepest Descent

时间:2015-06-08 21:06:39      阅读:149      评论:0      收藏:0      [点我收藏+]

标签:

转载请注明出处:http://www.codelast.com/

最速下降法(又称梯度法,或Steepest Descent),是无约束最优化领域中最简单的算法,单独就这种算法来看,属于早就“过时”了的一种算法。但是,它的理念是其他某些算法的组成部分,或者说是在其他某些算法中,也有最速下降法的“影子”。因此,我们还是有必要学习一下的。
我很久以前已经写过一篇关于最速下降法的文章了,但是这里我还打算再写一篇,提供更多一些信息,让大家可以从更简单生动的方面去理解它。

『1』名字释义
最速下降法只使用目标函数的一阶导数信息——从“梯度法”这个名字也可见一斑。并且,它的本意是取目标函数值“最快下降”的方向作为搜索方向。于是我们就想知道这个问题的答案:沿什么方向,目标函数 技术分享 的值下降最快呢?

『2』函数值下降最快的方向
先说结论:沿负梯度方向 技术分享,函数值下降最快。
下面就来推导一下。
将目标函数技术分享在点技术分享处泰勒展开(这是我们惯用的“伎俩”了)——
技术分享
高阶无穷小技术分享可忽略,由于我们定义了步长技术分享,因此,当技术分享时,技术分享,即函数值是下降的。此时技术分享就是一个下降方向。
但是技术分享具体等于什么的时候,可使目标函数值下降最快呢?
文章来源:http://www.codelast.com/
Cauchy-Schwartz不等式(柯西-许瓦兹不等式)可得:
技术分享
当且仅当技术分享时,等号成立,技术分享最大(>0)。
所以技术分享时,技术分享最小(<0),技术分享下降量最大。
所以技术分享是最快速下降方向。

『3』缺点
它真的“最快速”吗?答案是否定的。
事实是,它只在局部范围内具有“最速”性质。
对整体求解过程而言,它的下降非常缓慢。

『4』感受一下它是如何“慢”的
先来看一幅图(直接从维基百科上弄过来的,感谢Wiki):

技术分享

文章来源:http://www.codelast.com/
这幅图表示的是对一个目标函数的寻优过程,图中锯齿状的路线就是寻优路线在二维平面上的投影。
这个函数的表达式是:
技术分享
它叫做Rosenbrock function(罗森布罗克方程),是个非凸函数,在最优化领域,它通常被用来作为一个最优化算法的performance test函数。
我们来看一看它在三维空间中的图形:

技术分享
文章来源:http://www.codelast.com/
它的全局最优点位于一个长长的、狭窄的、抛物线形状的、扁平的“山谷”中。
找到“山谷”并不难,难的是收敛到全局最优解(全局最优解在 (1,1) 处)。
正所谓:世界上最遥远的距离,不是你离我千山万水,而是你就在我眼前,我却要跨越千万步,才能找到你。
文章来源:http://www.codelast.com/
我们再来看另一个目标函数技术分享的寻优过程:
技术分享
和前面的Rosenbrock function一样,它的寻优过程也是“锯齿状”的。
它在三维空间中的图形是这样的:
技术分享
总而言之就是:当目标函数的等值线接近于圆(球)时,下降较快;等值线类似于扁长的椭球时,一开始快,后来很慢。
文章来源:http://www.codelast.com/
『5』为什么“慢”的分析
上面花花绿绿的图确实很好看,我们看到了那些寻优过程有多么“惨烈”——太艰辛了不是么?
但不能光看热闹,还要分析一下——为什么会这样呢?
精确line search满足的一阶必要条件,得:
技术分享,即技术分享
故由最速下降法的技术分享得:
技术分享技术分享
即:相邻两次的搜索方向是相互直交的(投影到二维平面上,就是锯齿形状了)。
文章来源:http://www.codelast.com/
如果你非要问,为什么技术分享就表明这两个向量是相互直交的?那么我就耐心地再解释一下:
由两向量夹角的公式:
技术分享
=> 技术分享
两向量夹角为90度,因此它们直交。

 

『6』优点
这个被我们说得一无是处的最速下降法真的就那么糟糕吗?其实它还是有优点的:程序简单,计算量小;并且对初始点没有特别的要求;此外,许多算法的初始/再开始方向都是最速下降方向(即负梯度方向)。
文章来源:http://www.codelast.com/
『7』收敛性及收敛速度
最速下降法具有整体收敛性——对初始点没有特殊要求。
采用精确线搜索的最速下降法的收敛速度:线性。

【转】再谈 最速下降法/梯度法/Steepest Descent

标签:

原文地址:http://www.cnblogs.com/zhanjxcom/p/4561688.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!