ВУЗ:
Составители:
49
Будем находить
1
α
из уравнения
0
1
2
=
∂
∂
α
s
, затем
2
α
из
0
2
2
=
∂
∂
α
s
и т.д. Перебрав все
переменные, снова вернемся к
1
α
. Будем повторять этот процесс циклически, до тех
пор, пока
εα
>
(условие точности нахождения экстремума). Эта
последовательность действий составляет метод покоординатного спуска. Для
решения одномерных нелинейных уравнений можно использовать как метод
Ньютона, так и метод дихотомии.
Задание 8.2.1
Реализовать алгоритм покоординатного спуска для задачи аппроксимации параболой
( )
2
210
xxxP
ααα
++=
функции
x
e
−
на отрезке
[ ]
1,0∈x
. Использовать методы Ньютона и
дихотомии для поиска экстремума функции. Оценить среднее время работы алгоритма для
различных методов и различных значений погрешности.
Метод покоординатного спуска дает очень плохие результаты в случае
коррелирующих параметров модели.
Метод Ньютона можно применить к системе уравнений (8.2.1) иначе. Подобно
одномерному случаю, рассмотрим линеаризацию уравнений в окрестности
некоторой точки
0
α
:
( )
( )
( )
( )
( )
( )
( )
( )
( )
=−
∂
∂
+
=−
∂
∂
+
=−
∂
∂
+
∑
∑
∑
=
=
=
0
.
.
0
0
01
0
0
0
0
01
0
0
0
2
0
2
01
0
0
0
1
0
1
kk
n
k
k
kn
n
kk
n
k
k
k
kk
n
k
k
k
f
f
f
f
f
f
αα
α
α
α
αα
α
α
α
αα
α
α
α
(8.2.2)
Это уже СЛАУ, аппроксимирующая (8.2.1), и ее можно записать в матричном
виде:
( )
0
ˆ
010
=−+ aaAV
k
(8.2.3)
Или, переходя к итерации с номером
k
:
( )
kkkk
VAaa
1
1
ˆ
−
+
−=
(8.2.4)
∂s 2 ∂s 2 Будем находить α1 из уравнения = 0 , затем α 2 из = 0 и т.д. Перебрав все ∂α 1 ∂α 2 переменные, снова вернемся к α1 . Будем повторять этот процесс циклически, до тех пор, пока α >ε (условие точности нахождения экстремума). Эта последовательность действий составляет метод покоординатного спуска. Для решения одномерных нелинейных уравнений можно использовать как метод Ньютона, так и метод дихотомии. Задание 8.2.1 Реализовать алгоритм покоординатного спуска для задачи аппроксимации параболой P( x ) = α 0 + α 1 x + α 2 x 2 функции e − x на отрезке x ∈ [0,1]. Использовать методы Ньютона и дихотомии для поиска экстремума функции. Оценить среднее время работы алгоритма для различных методов и различных значений погрешности. Метод покоординатного спуска дает очень плохие результаты в случае коррелирующих параметров модели. Метод Ньютона можно применить к системе уравнений (8.2.1) иначе. Подобно одномерному случаю, рассмотрим линеаризацию уравнений в окрестности некоторой точки α 0 : ( ) n ( )( ∂f1 α k0 1 ) 1f α 0 + ∑ ∂ α 0 α k − α k0 = 0 k =0 k ( ) n ( )( ∂f α 0 1 f 2 α + ∑ 2 0k α k − α k = 0 0 )0 k =0 ∂α k . (8.2.2) . ( ) n ( )( ∂f n α k0 1 ) fn α + ∑ α k − α k0 = 0 0 k =0 ∂α k 0 Это уже СЛАУ, аппроксимирующая (8.2.1), и ее можно записать в матричном виде: ( ) V 0 + Aˆ k a 1 − a 0 = 0 (8.2.3) Или, переходя к итерации с номером k : ( ) a k +1 = a k − Aˆ k −1 Vk (8.2.4) 49
Страницы
- « первая
- ‹ предыдущая
- …
- 47
- 48
- 49
- 50
- 51
- …
- следующая ›
- последняя »