漫步最优化四十——Powell法(上)











——

过去使用最广泛的共轭方向法是由Powell提出来的,这个方法与共轭梯度法一样,开始也是来自凸二次问题,但是它也成功应用于非二次问题。

Powell法最显著的特征就是通过一系列线搜索生成共轭方向,所用的技术基于下面的定理:

1如果凸二次问题

f(x)=a+xTb+12xTHx

在直线

x=xa+αda


x=xb+αdb

上分别对α最小化,得到的最小点分别为xa,xb,如图1所示。

如果db=da,那么向量xbxada(或者db)共轭。

如果f(xa+αda),f(xb+αdb)α最小化,那么

df(xa+αda)dα=dTag(xa)=0df(xb+αdb)dα=dTbg(xb)=0(1a)(1b)

因为

g(xa)=b+Hxag(xb)=b+Hxb(2a)(2b)

因为db=da,所以由等式1与2可得

dTaH(xbxa)=0

因此,向量xbxa与方向da(或者db)共轭,证毕。||

在Powell算法中,假设初始点为x00n个线性无关方向为d01,d02,,d0n,并且每次迭代执行一系列线搜索。虽然可以使用任意的线性无关方向集合,但是出于方便,我们使用坐标方向集。


漫步最优化四十——Powell法(上)
图1

第一次迭代的时候,f(x)从初始点x00开始,在方向d01,d02,,d0n上最小化分别得到点x01,x02,,x0n,如图2所示,新的方向d0(n+1)
d0(n+1)=x0nx0

f(x)在这个方向上最小化得到新的点x0(n+1),然后更新方向集为

d11d12d1(n1)d1n=d02=d03=d0n=d0(n+1)(3)

第一次迭代的效果就是f(x)减少了Δf=f(x00)f(x0(n+1))并且同时删除了d01加入了d0(n+1)

第二次得带执行同样的过程,从点

x10=x0(n+1)

开始,f(x)在方向d11,d12,,d1n上最小化分别得到点x11,x12,,x1n,如图3所示,然后生成新的方向d1(n+1)

d1(n+1)=x1nx10

f(x)在方向d1(n+1)上最小化得到点x1(n+1)。因为

d1n=d0(n+1)

所以d1(n+1)dn共轭,因此我们令

d21d22d2(n1)d2n=d12=d13=d1n=d1(n+1)(4)

新的方向解将包含一对共轭方向,即d2(n1),d2n

用同样的方式执行上面的过程,每次迭代都会增加一个共轭方向。Powell法需要n(n+1)次线搜索,因为每次迭代包含(n+1)次线搜索,共需要n次迭代,Powell算法实现如下:

11x00εd01=[x01 0  0]Td02=[0 x02  0]Td0n=[0 0  x0n]Tk=02i=1nαki,f(xk(i1)+αdki)αxki=xk(i1)+αkidki3dk(n+1)=xknxk0αk(n+1),f(x0+αdk(n+1))αxk(n+1)=xk0+αk(n+1)dk(n+1)fk(n+1)=f(xk(n+1))4αk(n+1)dk(n+1)<ε,x=xk(n+1),f(x)=fk(n+1)5d(k+1)1=dk2d(k+1)2=dk3d(k+1)n=dk(n+1)x(k+1)0=xk(n+1),k=k+1,k=k+12


漫步最优化四十——Powell法(上)
图2


漫步最优化四十——Powell法(上)
图3