您的位置:首页 > 其它

再谈 最速下降法/梯度法/Steepest Descent

2015-06-17 14:26 169 查看
转自:http://www.codelast.com/?p=8006

最速下降法(又称梯度法,或Steepest Descent),是无约束最优化领域中最简单的算法,单独就这种算法来看,属于早就“过时”了的一种算法。但是,它的理念是其他某些算法的组成部分,或者说是在其他某些算法中,也有最速下降法的“影子”。因此,我们还是有必要学习一下的。

我很久以前已经写过一篇关于最速下降法的文章了,但是这里我还打算再写一篇,提供更多一些信息,让大家可以从更简单生动的方面去理解它。

『1』名字释义

最速下降法只使用目标函数的一阶导数信息——从“梯度法”这个名字也可见一斑。并且,它的本意是取目标函数值“最快下降”的方向作为搜索方向。于是我们就想知道这个问题的答案:沿什么方向,目标函数 f(x) 的值下降最快呢?

『2』函数值下降最快的方向

先说结论:沿负梯度方向 d=−gk,函数值下降最快。

下面就来推导一下。

将目标函数f(x)在点xk处泰勒展开(这是我们惯用的“伎俩”了)——

f(x)=f(xk)+αgTkdk+o(α)

高阶无穷小o(α)可忽略,由于我们定义了步长α>0,因此,当gTkdk<0时,f(x)<f(xk),即函数值是下降的。此时dk就是一个下降方向。

但是dk具体等于什么的时候,可使目标函数值下降最快呢?

文章来源:http://www.codelast.com/

Cauchy-Schwartz不等式(柯西-许瓦兹不等式)可得:

∣∣dTkgk∣∣≤∥dk∥∥gk∥

当且仅当dk=gk时,等号成立,dTkgk最大(>0)。

所以dk=−gk时,dTkgk最小(<0),f(x)下降量最大。

所以−gk是最快速下降方向。

『3』缺点

它真的“最快速”吗?答案是否定的。

事实是,它只在局部范围内具有“最速”性质。

对整体求解过程而言,它的下降非常缓慢。

『4』感受一下它是如何“慢”的

先来看一幅图(直接从维基百科上弄过来的,感谢Wiki):



文章来源:http://www.codelast.com/

这幅图表示的是对一个目标函数的寻优过程,图中锯齿状的路线就是寻优路线在二维平面上的投影。

这个函数的表达式是:

f(x1,x2)=(1−x1)2+100⋅(x2−x12)2

它叫做Rosenbrock function(罗森布罗克方程),是个非凸函数,在最优化领域,它通常被用来作为一个最优化算法的performance test函数。

我们来看一看它在三维空间中的图形:



文章来源:http://www.codelast.com/

它的全局最优点位于一个长长的、狭窄的、抛物线形状的、扁平的“山谷”中。

找到“山谷”并不难,难的是收敛到全局最优解(全局最优解在 (1,1) 处)。

正所谓:世界上最遥远的距离,不是你离我千山万水,而是你就在我眼前,我却要跨越千万步,才能找到你。

文章来源:http://www.codelast.com/

我们再来看另一个目标函数f(x,y)=sin(12x2−14y2+3)cos(2x+1−ey)的寻优过程:



和前面的Rosenbrock function一样,它的寻优过程也是“锯齿状”的。

它在三维空间中的图形是这样的:



总而言之就是:当目标函数的等值线接近于圆(球)时,下降较快;等值线类似于扁长的椭球时,一开始快,后来很慢。

文章来源:http://www.codelast.com/

『5』为什么“慢”的分析

上面花花绿绿的图确实很好看,我们看到了那些寻优过程有多么“惨烈”——太艰辛了不是么?

但不能光看热闹,还要分析一下——为什么会这样呢?

由精确line
search满足的一阶必要条件,得:

∇f(xk+αkdk)Tdk=0,即gTk+1dk=0

故由最速下降法的dk=−gk得:

gTk+1dk=gTk+1(−gk)=−gTk+1gk=−dTk+1dk=0⇒dTk+1dk=0

即:相邻两次的搜索方向是相互直交的(投影到二维平面上,就是锯齿形状了)。

文章来源:http://www.codelast.com/

如果你非要问,为什么dTk+1dk=0就表明这两个向量是相互直交的?那么我就耐心地再解释一下:

由两向量夹角的公式:



=> θ=π2

两向量夹角为90度,因此它们直交。

『6』优点

这个被我们说得一无是处的最速下降法真的就那么糟糕吗?其实它还是有优点的:程序简单,计算量小;并且对初始点没有特别的要求;此外,许多算法的初始/再开始方向都是最速下降方向(即负梯度方向)。

文章来源:http://www.codelast.com/

『7』收敛性及收敛速度

最速下降法具有整体收敛性——对初始点没有特殊要求。

采用精确线搜索的最速下降法的收敛速度:线性。
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: