無(wú)約束凸優(yōu)化算法

本章涉及知識(shí)點(diǎn)

1、scipy庫(kù)求解全局最優(yōu)和局最優(yōu)

2涉波、多元函數(shù)的極值求解算法

3、牛頓迭代法算法

4啤覆、牛頓迭代法求解多元函數(shù)的駐點(diǎn)

在金融學(xué)和經(jīng)濟(jì)學(xué)中苍日,凸優(yōu)化起著非常重要的作用窗声,而研究凸優(yōu)化求解其極值是一個(gè)非常有趣的數(shù)學(xué)問(wèn)題

我們用一個(gè)案例來(lái)研究無(wú)約束凸優(yōu)化算法,假設(shè)有如下二元目標(biāo)函數(shù)

目標(biāo)函數(shù)

一笨觅、scipy庫(kù)求解全局最優(yōu)和局最優(yōu)

我們先用numpy生成50個(gè)二維網(wǎng)格點(diǎn)即對(duì)應(yīng)的f(x,y)

50個(gè)網(wǎng)格點(diǎn)和對(duì)應(yīng)的函數(shù)值

畫出f(x杀糯,y)的圖像觀察

案例多元函數(shù)圖像

顯然從圖像上可以直觀看出,函數(shù)存在多個(gè)局部極小值炮温。我們通過(guò)scipy庫(kù)封裝好的brutefmin兩個(gè)工具函數(shù)來(lái)求解目標(biāo)函數(shù)的極值

scipy的brute函數(shù)以參數(shù)范圍和參數(shù)移動(dòng)的步距作為輸入火脉,我們分別以[-10,10]為參數(shù)范圍柒啤,5和0.1為不同的參數(shù)移動(dòng)步距來(lái)求解極值

brute函數(shù)求解全局最優(yōu)
參數(shù)步距為5時(shí)倦挂,求解的極值
參數(shù)步距為0.1時(shí),求解的極值

可以看到在[-10担巩,10]區(qū)間里方援,brute函數(shù)求解多元函數(shù)的駐點(diǎn)大概在x=y=-1.4,此時(shí)的極值為-1.7749

我們?cè)倮胒min函數(shù)求解在初始值為x=y=-1.4時(shí)函數(shù)的局部最優(yōu)解涛癌,fmin函數(shù)以需要最小化的函數(shù)和起始參數(shù)值作為輸入犯戏,將brute函數(shù)求解出的駐點(diǎn)帶入fmin

fmin函數(shù)求解局部最優(yōu)(帶入全局最優(yōu)的駐點(diǎn))
fmin函數(shù)求解的極值

可以看到fmin在brute的基礎(chǔ)上求解出更低的函數(shù)值,可以看到拳话,在求解凸優(yōu)化問(wèn)題中先匪,建議在使用局部?jī)?yōu)化之前先進(jìn)行全局優(yōu)化,防止求解過(guò)程陷入某個(gè)局部最優(yōu)解(盆地跳躍)

二弃衍、多元函數(shù)的極值求解算法

上述我們使用了python的scipy庫(kù)封裝好的方法呀非,來(lái)求解出多元函數(shù)的極值,下面我們來(lái)分析求解多元函數(shù)極值的純數(shù)學(xué)算法

一般地,我們把具有二階偏導(dǎo)數(shù)的函數(shù)z=f(x岸裙,y)猖败,其求解極值的算法描述如下:

第1步:求出目標(biāo)函數(shù)關(guān)于x和y的一階偏導(dǎo)數(shù),得到一切駐點(diǎn)

第2步:求出目標(biāo)函數(shù) 關(guān)于x和y的二階偏導(dǎo)數(shù)降允,并分別帶入駐點(diǎn)求出其 二階偏導(dǎo)數(shù)的值A(chǔ)恩闻、B和C

第3步:根據(jù)A*C-B*B的符號(hào),判斷是否存在極值剧董,是極大值還是極小值

????????????(1):A*C-B*B>0時(shí)幢尚,具有極值,且當(dāng)A>0時(shí)存在極大值翅楼,當(dāng)A<0時(shí)存在極小值

????????????(2): A*C-B*B<0時(shí)侠草,沒(méi)有極值

????????????(3):?A*C-B*B=0時(shí),可能有極值犁嗅,也可能沒(méi)有極值

帶入駐點(diǎn)的二階偏導(dǎo)數(shù)的值

三、牛頓迭代法

有了上述數(shù)學(xué)算法晤碘,我們對(duì)目標(biāo)函數(shù)來(lái)求一階偏導(dǎo)數(shù)

目標(biāo)函數(shù)關(guān)于x的一階偏導(dǎo)數(shù)

上式存在一個(gè)問(wèn)題褂微,要直接計(jì)算出一階偏導(dǎo)數(shù)為0對(duì)應(yīng)的x,則求解難度非常大园爷,因?yàn)槭阶又邪薱os函數(shù),而cos的泰勒展開式為

cos的n階展開式

這是由n個(gè)多項(xiàng)式組成求厕,所以我們只能利用逼近法的思路扰楼,來(lái)近似求解,比如牛頓迭代法

牛頓迭代法示意圖

設(shè)曲線L=f(x)项栏,則L上任意一點(diǎn)x0對(duì)應(yīng)的切線方程為

x0的切線方程

令y=0蹬竖,解出切線與x軸的交點(diǎn)的橫坐標(biāo)x1為

切線與x軸的交點(diǎn)

從圖上可以看出x1越發(fā)靠近曲線L的真實(shí)解,如此迭代下去列另,在點(diǎn)(xn-1旦装,f(xn-1))作切線,可以得到L根的近似值為

牛頓迭代法公式

四拷姿、牛頓迭代法求解多元函數(shù)的駐點(diǎn)

有了牛頓迭代法的公式,下面我們來(lái)解目標(biāo)函數(shù)關(guān)于x的一階偏導(dǎo)數(shù)cosx+0.1x=0的根(求解y同理)响巢,其一階導(dǎo)數(shù)為-sinx+0.1,迭代出駐點(diǎn)后帶入目標(biāo)函數(shù)即可求出其極值

牛頓迭代法解出駐點(diǎn)
駐點(diǎn)對(duì)應(yīng)的極值

從結(jié)果上看和scipy庫(kù)計(jì)算出來(lái)的極值非常接近含长,其本質(zhì)就是求解多元函數(shù)極值的算法

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末伏穆,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子枕扫,更是在濱河造成了極大的恐慌,老刑警劉巖诗鸭,帶你破解...
    沈念sama閱讀 222,000評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件参滴,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡蝌箍,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,745評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門妓盲,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)专普,“玉大人,你說(shuō)我怎么就攤上這事甚亭。” “怎么了亏狰?”我有些...
    開封第一講書人閱讀 168,561評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵偶摔,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我策州,道長(zhǎng),這世上最難降的妖魔是什么够挂? 我笑而不...
    開封第一講書人閱讀 59,782評(píng)論 1 298
  • 正文 為了忘掉前任,我火速辦了婚禮枯冈,結(jié)果婚禮上办悟,老公的妹妹穿的比我還像新娘。我一直安慰自己病蛉,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,798評(píng)論 6 397
  • 文/花漫 我一把揭開白布琢感。 她就那樣靜靜地躺著探熔,像睡著了一般烘挫。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上其垄,一...
    開封第一講書人閱讀 52,394評(píng)論 1 310
  • 那天卤橄,我揣著相機(jī)與錄音,去河邊找鬼窟扑。 笑死,一個(gè)胖子當(dāng)著我的面吹牛嚎货,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播姐叁,決...
    沈念sama閱讀 40,952評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼原环!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起嘱吗,我...
    開封第一講書人閱讀 39,852評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤碧库,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后弄匕,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,409評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡迁匠,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,483評(píng)論 3 341
  • 正文 我和宋清朗相戀三年城丧,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片亡哄。...
    茶點(diǎn)故事閱讀 40,615評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡布疙,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出灵临,到底是詐尸還是另有隱情,我是刑警寧澤儒溉,帶...
    沈念sama閱讀 36,303評(píng)論 5 350
  • 正文 年R本政府宣布,位于F島的核電站波闹,受9級(jí)特大地震影響涛碑,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜锌唾,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,979評(píng)論 3 334
  • 文/蒙蒙 一夺英、第九天 我趴在偏房一處隱蔽的房頂上張望滋捶。 院中可真熱鬧,春花似錦重窟、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,470評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至刀闷,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間甸昏,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,571評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工卒蘸, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人缸沃。 一個(gè)月前我還...
    沈念sama閱讀 49,041評(píng)論 3 377
  • 正文 我出身青樓冰蘑,卻偏偏與公主長(zhǎng)得像村缸,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子梯皿,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,630評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容

  • AI人工智能時(shí)代东羹,機(jī)器學(xué)習(xí),深度學(xué)習(xí)作為其核心属提,本文主要介紹機(jī)器學(xué)習(xí)的基礎(chǔ)算法美尸,以詳細(xì)線介紹 線性回歸算法 及其 ...
    erixhao閱讀 13,883評(píng)論 0 36
  • 不同圖像灰度不同斟薇,邊界處一般會(huì)有明顯的邊緣,利用此特征可以分割圖像堪滨。需要說(shuō)明的是:邊緣和物體間的邊界并不等同,邊緣...
    大川無(wú)敵閱讀 13,868評(píng)論 0 29
  • Scipy scipy包含致力于科學(xué)計(jì)算中常見(jiàn)問(wèn)題的各個(gè)工具箱遏乔。它的不同子模塊相應(yīng)于不同的應(yīng)用。像插值盟萨,積分,優(yōu)化...
    Aieru閱讀 34,780評(píng)論 3 59
  • 機(jī)器學(xué)習(xí)是做NLP和計(jì)算機(jī)視覺(jué)這類應(yīng)用算法的基礎(chǔ)鸯旁,雖然現(xiàn)在深度學(xué)習(xí)模型大行其道量蕊,但是懂一些傳統(tǒng)算法的原理和它們之間...
    在河之簡(jiǎn)閱讀 20,515評(píng)論 4 65
  • 我的新名片,顛覆了吧[捂臉] 其實(shí)就是打了個(gè)粉底残炮,加了副耳環(huán),換了套衣服势就,但是徹頭徹尾不一樣了,有點(diǎn)意思吧苞冯; 今天...
    小Dew閱讀 488評(píng)論 0 0