Page 150 - 5637
P. 150
– градієнт функції в точці ; – деяка позитивно визначена
квадратна ( × )-матриця, яка є апроксимацією матриці , зворотної матриці
= ( = 1, … , ).
Основний принцип алгоритму Девідона-Флетчера-Пауелла базується на простому
факті: якщо уявити функцію в околиці точки у вигляді розкладу в ряд Тейлора
( ) ≈ ( ) + 0,5( − ) ( − )
то її градієнт можна Наближено обчислити за формулою ( ) = ( − ). Отже,
= − Н ( ) ≈ − ( ). Це підказує можливий підхід до вирішення задачі
знаходження мінімуму – побудова ітераційного процесу виду
= − ( ), = 1,2, …, (7.7)
де – матриця апроксимації на = м кроці; – позитивне число, обиране так,
щоб в точці i досягався локальний мінімум вздовж напрямку – ( ), тобто
щоб було оптимальним рішенням задачі мінімізації ( − ( )) по
( ≥ 0). рекурентне співвідношення (7.7) пояснює назву алгоритму «змінної
метрики» – матриця змінює метрику в просторі векторів ( ). B результаті
множення на матрицю напрямок градієнта ( ) відхиляється і перетвориться в
( ).
Істотним в алгоритмі Девідона-Флетчера-Пауелла є те, що матриця
обчислюється з використанням тільки перших похідних і так, щоб після кроків
першій же ітерації (п: 1 основного етапу алгоритму) вона збіглася з якщо, б
була квадратичної функцією. Таким чином, відпадає необхідність в безпосередньому
обчисленні і Зверненні матриці Гессе в процесі роботи алгоритму Девідона-Флетчера-
Пауелла мінімізації диференціальної функції декількох змінних (див. також [58, 61]).
Початковий етап. Вибір початкової точки пошуку та початкової наближення
матриці ( – симетрична і позитивно певна), а також параметрів точності
обчислення мінімуму > 0. Приймаються = , = 1, = 1. Переходимо до
основного етапу мінімізації.
Основний етап. 1. Якщо | | ( ) | | < , то , – шукана точка мінімуму і
алгоритм закінчує свою роботу. B іншому випадку обчислюємо = − , ( ) і
вирішуємо задачу мінімізації (по скаляру ≥ 0) функції ( + ). Вважаємо