中科大-凸优化笔记（lec47）-最速下降法

阅读量：320 次

发布时间：2019-03-04

本文共 520 字，大约阅读时间需要 1 分钟。

全部笔记的汇总贴（视频也有传送门）：

一、梯度下降法

$d^{k+1}=-\nabla f(x^k)\\\frac{f(x^{k+1})-P^*}{f(x^k)-P^*}\le1-\frac mM\le1-\min\{2m\gamma\alpha_{max},\frac{2m\gamma\beta}M\}\\ K\sim \log(f(x^k)-P^*)\;\;\;\;\;线性收敛$

2mγαmax,M2mγβ}K∼log(f(xk)−P∗)线性收敛

二、最速（陡）下降法

在这里插入图片描述

三、Gradient与Steepest Gradient的变种

1）坐标轮换法

在这里插入图片描述

2）若 $f (x)$ 在某些点不可微

在这里插入图片描述

例：

在这里插入图片描述

下一章传送门：

转载地址：http://aepq.baihongyu.com/

你可能感兴趣的文章

MongoDB可视化客户端管理工具之NoSQLbooster4mongo

查看>>

Mongodb学习总结（1）——常用NoSql数据库比较

查看>>

MongoDB学习笔记(8)--索引及优化索引

MQTT 持久会话与 Clean Session 详解

查看>>

MQTT工作笔记0007---剩余长度

查看>>

MQTT工作笔记0009---订阅主题和订阅确认

查看>>

Mqtt搭建代理服务器进行通信-浅析

查看>>

MS Edge浏览器“STATUS_INVALID_IMAGE_HASH“兼容性问题

查看>>

ms sql server 2008 sp2更新异常

查看>>

MS UC 2013-0-Prepare Tool

一、梯度下降法

二、最速（陡）下降法

三、Gradient与Steepest Gradient的变种

1）坐标轮换法

2）若 f ( x ) f(x) f(x)在某些点不可微

例：

2）若 $f (x)$ 在某些点不可微