无约束最优化方法
关注
分享
扫一扫
文章平均质量分 80
最优化中的无约束最优化方法
背对人潮
东西太多，学不完啊~~~
展开
-
单纯形法（算法分析）
在n维空间中构造一个单纯形，求出它各个顶点的函数值，比较得到最好顶点和最坏顶点，然后通过反射、扩展、压缩等方法求出一个较好点，用这个点取代最坏点，构成新的单纯形，直到满足停止条件为止。原创 2023-11-28 23:16:27 · 1421 阅读 · 0 评论 -
模式搜索法（算法分析+python代码解释）
模式搜索法是1961年由Hooks和Jeeves提出。这种方法的每一步迭代都是交替进行轴向移动和模式移动。轴向移动的目的是探测下降的有利方向，模式移动的目的则是沿着有利方向作加速运动。原创 2023-11-19 19:18:29 · 2713 阅读 · 2 评论 -
坐标轮换法（算法分析+python代码解释）
坐标轮换法（算法分析+python代码解释）原创 2023-11-18 14:34:03 · 1146 阅读 · 1 评论 -
最小二乘法(基本原理+代码解析）
本章节讲述无约束规划中的最小二乘法。原创 2023-11-13 17:37:03 · 4690 阅读 · 0 评论 -
无约束问题的最优化条件
本章节将介绍无约束问题中的最优化条件，其中包括五个定理。原创 2023-11-09 08:00:00 · 361 阅读 · 1 评论 -
最速下降法（算法分析+python代码解释）
本文开始，我们介绍利用目标函数解析性质求解无约束化问题的解析法。原创 2023-10-30 11:21:57 · 5061 阅读 · 4 评论 -
变尺度法（算法分析+python代码解释）
Newton和阻尼Newton收敛速度快，但需计算 Hesse 矩阵的逆，计算量大。现有 n 阶正定矩阵近似代替 Hesse 矩阵的逆，由此产生的方法称为变尺度法，称为尺度矩阵。原创 2023-11-06 11:54:55 · 1651 阅读 · 0 评论 -
Newton及阻尼Newton法（算法分析+python代码解释）
因此，对于有较好的解析性质的目标函数，如具有二阶连续偏导数的目标函数，可以利用其二次近似函数的性质来界定新的搜索方向，或者以目标函数的二次近似函数的极小点作为新目标函数本身的近似解，如果不满足计算精度，则再求该点处目标函数的二次近似函数，进一步求新的近似函数的极小点，如此反复，直至近似点满足事先给定的精度为止，这就是牛顿法的基本思想。原创 2023-10-31 14:20:03 · 2646 阅读 · 1 评论 -
共轭梯度法（算法分析+python代码解释）
为了克服最速下降法在最优解附近收敛速度变慢和Newton法不具有整体收敛性以及需要计算Hesse矩阵的缺点，一种介于两者之间的方法被提出，这就是共轭方向法。这种方法不仅克服了上述缺点之外，还能保持上述两种方法各自的优点，即收敛性较好，并且可以在有限布内使二次函数达到最优，即具有二次终止性。原创 2023-11-03 11:45:25 · 8299 阅读 · 7 评论