Метод сопряженных градиентов
Лекции.Орг

Поиск:


Метод сопряженных градиентов




Метод сопряженных градиентов (МСГ) первоначально предложен как метод минимизации квадратичной формы

(5.9.1)

где – симметричная и строго положительно определенная матрица (в дальнейшем эти свойства матрицы будем обозначать ). Для минимизации произвольных функций метод сопряженных градиентов записывается в виде

(5.9.2)

Векторы называются сопряженными относительно матрицы или - ортогональными, если они удовлетворяют условиям

(5.9.3)

Задача минимизации квадратичной формы (5.9.1) может быть решена за цикл точной одномерной минимизации вдоль сопряженных векторов , из произвольной начальной точки .

Если метод (5.9.2) применяется для квадратичной функции (5.9.1), где , то векторы , где , будут сопряженными.

Теорема 9. Метод (5.9.2) находит точку минимума квадратичной функции вида (5.9.1), где , за число итераций не превосходящее .

При минимизации достаточно гладких функций МСГ сходится с квадратичной скоростью.

Теорема 10. Пусть -невырожденная точка минимума, и в ее окрестности удовлетворяет условию Липшица. Тогда для метода (5.9.2) в окрестности справедлива оценка:

.

Вследствие ошибок округления процесс (5.9.2), даже для квадратичной функции, не будет конечным. Особенно процесс (5.9.2) чувствителен к точности операции определения минимума вдоль направления. В связи со сказанным выше итерации (5.9.2) проводят до тех пор, пока не будет достигнута требуемая точность, а обновление проводится, особенно для большеразмерных задач, через m итераций, где . МСГ применяется в основном для решения большеразмерных задач в силу малой требуемой памяти для хранения параметров метода.





Дата добавления: 2015-02-12; просмотров: 375 | Нарушение авторских прав | Изречения для студентов


Читайте также:

Рекомендуемый контект:


Поиск на сайте:



© 2015-2020 lektsii.org - Контакты - Последнее добавление

Ген: 0.005 с.