Составители:
Рубрика:
20
4. F"(x
1
)=37.9
2
9.37
08.4
xx
12
=−=
3.
F’
2
(x ) = 0
Е
п
<Е
зад
(0<0,1)
5.
x
*
=2 F(x
*
)= -25
Градиентный метод.
Как известно из высшей математики, градиент скалярной функции F(x) в
некоторой точке x
k
направлен в сторону наискорейшего возрастания функции и
ортогонален линии постоянного значения F(x) проходящей через точку x
k
.
Вектор противоположный градиенту (антиградиент) направлен в сторону
наискорейшего убывания функции F(x). Выбирая в качестве направления спуска
антиградиент функции F(x) в точке x
k
приходим к итерационному процесу вида:
)(*)('*
1 kkkkkkk
x
x
F
xxFxx
∂
∂
−=−=
+
αα
, α
k
>0, k=0,1,2,….
Алгоритм градиентного метода оптимизации многомерной функции.
0. а). Задать значение погрешности вычисления экстремума функции E
зад
в). Задать значение начальной пробной точки z
0
(т.е. задаться значениями
координат
)0(
1
x ,…,
)0(
n
x
)
с).Задать величину начального шага
α
0
(x
i
), i = 1…n
1.
− Вычислить значения частных производных функции в пробной точке:
i
x
F
∂
∂
(в пробной точке z
k
), i = 1…n, k = 0,1,2…
–
Проверить условие достижения заданной точноcти
зад
i
Е
x
F
≤
∂
∂
Если это условие выполняется по всем переменным, то поиск
завершается и за точку минимума принимается точка z
k
, для которой
подсчитывается минимальное значение функции ,иначе перейти к п.2.
2.
Определить значение координат новой пробной точки z
k+1
по формуле :
)(*)(
)(
)()1(
k
i
i
ik
k
i
k
i
х
x
F
xxx
∂
∂
−=
+
α
, i = 1…n, к=0,1,…
где x
i
– координаты последней пробной точки.
Вычислить значение функции в последней пробной точке z
k+1
, проверить:
20 4. F"(x1)=37.9 4.08 x 2 = x1 − =2 37.9 3. F’ ( x2 ) = 0 Еп<Езад (0<0,1) 5. x*=2 F(x*)= -25 Градиентный метод. Как известно из высшей математики, градиент скалярной функции F(x) в некоторой точке xk направлен в сторону наискорейшего возрастания функции и ортогонален линии постоянного значения F(x) проходящей через точку xk. Вектор противоположный градиенту (антиградиент) направлен в сторону наискорейшего убывания функции F(x). Выбирая в качестве направления спуска антиградиент функции F(x) в точке xk приходим к итерационному процесу вида: ∂F x k +1 = x k − α k * F ' ( x k ) = x k − α k * ( x k ) , αk>0, k=0,1,2,…. ∂x Алгоритм градиентного метода оптимизации многомерной функции. 0. а). Задать значение погрешности вычисления экстремума функции E зад в). Задать значение начальной пробной точки z0 (т.е. задаться значениями (0) (0) координат x1 ,…, x n ) с).Задать величину начального шага α0(xi), i = 1…n 1. − Вычислить значения частных производных функции в пробной точке: ∂F (в пробной точке zk), i = 1…n, k = 0,1,2… ∂x i – Проверить условие достижения заданной точноcти ∂F ≤ Е зад ∂xi Если это условие выполняется по всем переменным, то поиск завершается и за точку минимума принимается точка zk, для которой подсчитывается минимальное значение функции ,иначе перейти к п.2. 2. Определить значение координат новой пробной точки zk+1 по формуле : ( k +1) ∂F (k ) − α k ( xi ) * (k ) xi = xi (х ) , i = 1…n, к=0,1,… ∂xi i где xi – координаты последней пробной точки. Вычислить значение функции в последней пробной точке zk+1, проверить:
Страницы
- « первая
- ‹ предыдущая
- …
- 19
- 20
- 21
- 22
- 23
- …
- следующая ›
- последняя »