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
   145   146   147   148   149   150   151   152   153   154   155