1.共轭方向的概念
共轭方向的概念是在研究二次函数
(G为对称正定矩阵)时引出的。本节和以后几节所介绍的方法有一个共同的特点,就是首先以式(4-10)的二次函数为目标函数给出有关算法,然后再把算法推广到一般的目标函数中去。
为了直观起见,首先考虑二维情况。二元二次函数的等值线为一族椭圆,任选初始点X(0)沿某个下降方向S(0)作一维搜索,得
X(1)=X(0)+α(0)S(0)
因α(0)是沿S(0)方向搜索的最佳步长,即在X(0)点处函数f(X)沿S(0)方向的方向导数为零。
考虑到X(1)点处方向导数与梯度之间的关系,故有
式中,S(0)与某一等值线相切于X(1)点。下一次迭代,如果按最速下降法,选择负梯度-▽f(X(1))方向为搜索方向,则将发生锯齿现象。为避免锯齿的发生,我们可取下一次的迭代搜索方向S(1)直指极小点X*,如图4-6所示。如果能够选定这样的搜索方向,那么对于二元二次函数只需顺次迸行S(0)、S(1)两次直线搜索就可以求到极小点X*,即有
X*=X(1)+α(1)S(1)
式中,α(1)为S(1)方向上的最佳步长。
图4-6 共轭方向的搜索方向
那么这样的S(1)方向应该满足什么条件呢?对于由式(4-10)所表示的二次函数f(X)有
▽f(X(1))=GX(1)+b
当X(1)≠X*时,取α(1)≠0,由于X*是函数f(X)的极小点,应满足极值必要条件,故有
▽f(X*)=GX*+b=0(www.xing528.com)
▽f(X*)=G(X(1)+α(1)S(1))+b=▽f(X(1))+α(1)GS(1)=0
将等式两边同时左乘(S(0))T,并注意到式(4-11)和α(1)≠0的条件,得
(S(0))TGS(1)=0 (4-12)
这就是为使S(1)直指极小点X*、S(1)所必须满足的条件。满足式(4-12)的两个向量S(0)、S(1)称为共轭向量。或称S(0)、S(1)是共轭方向。
2.共轭方向的性质
定义 设G为n×n对称正定矩阵,若n维空间中有m个非零向量S(0)、S(1)、…、S(m-1)
满足
(S(i))TGS(j)=0(i,j=0,1,2,…,m-1;i≠j) (4-13)
则称S(0)、S(1)、…、S(m-1)对G共轭,或称它们是G的共轭方向。
当G=I(单位矩阵)时,式(4-13)变成
(S(i))TS(j)=0(i≠j)
即向量S(0)、S(1)、…、S(m-1)互相正交。由此可见,共轭概念是正交概念的推广,正交概念是共轭概念的特例。
性质1 若非零向量系S(0)、S(1)、…、S(m-1)是对G共轭的,则这m个向量是线性无关的。
性质2 在n维空间中互相共轭的非零向量的个数不超过n。
性质3 从任意初始点X(0)出发,顺次沿G的共轭方向S(0)、S(1)、…、S(m-1)迸行一维搜索,最多经过n次迭代就可以找到由式(4-10)所表示的二次函数f(X)的极小点X*。
此性质表明这种迭代方法具有二次收敛性。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。