非线性系列(一)—— 非线性方程组求解与优化的关系 Nonlinear & Optimization

本文探讨了牛顿法在解决非线性方程和优化问题中的共通之处,如线搜索和信赖域技术,同时强调了两者在导数需求和二次收敛方面的区别,指出凸优化中二阶泰勒展开的重要性。

解非线性方程(Nonlinear Equations)的技术在其动机、分析和算法实现方面与优化技术(Optimization)有重叠。

1. 相似点:

在优化和非线性方程中,牛顿法是许多重要算法的核心。诸如线搜索、信赖域和每次迭代中线性代数子问题的不精确解决方案等特征在两个领域中都很重要,还有其他问题,如导数评估和全局收敛。

诸如线搜索、信赖域和解决线性代数子问题等技术在解非线性方程和优化中起着至关重要的作用。这些方法有助于提高收敛速度、稳定性和效率

非线性方程中的牛顿法

解 r(x) = 0

采用了线性模型M_k(p),在r(x_k + p)的Taylor展开中,只取了前两项(即进行一阶泰勒展开)。

r(x_k + p) = M_k(p) = r(x_k) + J(x_k)p

</

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值