3. Градиентный с убыванием шага как 1/k
Итерационная формула метода имеет вид , единственное убывает с каждым шагом как 1/k
X0\a |
a=0.1 |
a=1 |
a=10 |
|||
X* |
F(X*) |
X* |
F(X*) |
X* |
F(X*) |
|
(3,8) |
|
|
(2,995358, 8,000579) |
4,925443 |
|
|
(2,5) |
|
|
|
|
|
|
(4,23) |
|
|
|
|
|
|
Ниже приведены итерационный процесс и график убывания функции по шагам для начального шага 0,0001 а=1 х0=(3,8)
шаг |
x1 |
x2 |
f(x1,x2) |
1 |
2,9984 |
8,0002 |
4,974104 |
2 |
2,997606 |
8,000299 |
4,961336 |
3 |
2,997079 |
8,000365 |
4,952886 |
4 |
2,996685 |
8,000414 |
4,94658 |
5 |
2,99637 |
8,000453 |
4,941554 |
6 |
2,996109 |
8,000486 |
4,937378 |
7 |
2,995884 |
8,000513 |
4,933809 |
8 |
2,995688 |
8,000538 |
4,930692 |
9 |
2,995514 |
8,000559 |
4,927927 |
10 |
2,995358 |
8,000579 |
4,925443 |
Выводы: В первых трех методах исследования проведены за 10 шагов с начальной длиной шага равной 0,0001. Однако видна, медленная скорость сходимости (геометрическая сходимость, скорость сходимости , ).
4. Метод наискорейшего спуска
Определяет оптимальное значение шага на каждом такте.
.
X0\a |
a=0.1 |
a=1 |
a=10 |
|||
X* |
F(X*) |
X* |
F(X*) |
X* |
F(X*) |
|
(3,8) |
|
|
(1,337706, 1,71014) |
0,120337 |
|
|
(2,5) |
|
|
|
|
|
|
(4,23) |
|
|
|
|
|
|
Ниже приведены итерационный процесс и график убывания функции по шагам для начального шага 0,0001 а=1 х0=(3,8)
Ном. шага |
x1 |
x2 |
f(x1,x2) |
1 |
2,777813 |
8,027773 |
3,257669 |
2 |
2,230456 |
4,404785 |
1,839093 |
3 |
2,045866 |
4,432672 |
1,154896 |
4 |
1,884515 |
3,286254 |
0,852665 |
5 |
1,759673 |
3,303825 |
0,620108 |
6 |
1,650663 |
2,546314 |
0,455181 |
7 |
1,546753 |
2,561267 |
0,32744 |
8 |
1,472199 |
2,047662 |
0,237301 |
9 |
1,38815 |
2,059863 |
0,168323 |
10 |
1,337706 |
1,71014 |
0,120337 |
Вывод: Значение функции, полученное этим методом, значительно меньше чем в предыдущих методах, т.е. данный метод сходится гораздо быстрее. Скорость сходимости метода наискорейшего спуска – геометрическая ,где q=(L-l)/(L+l) и l*I<=g2f(x)<=L*I (g-градиент)