Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Отчёт.docx
Скачиваний:
24
Добавлен:
04.06.2015
Размер:
3.53 Mб
Скачать

4.4. Метод наискорейшего градиентного спуска

Рассмотрим работу программы при различных входных данных.

В качестве рассматриваемой функции выберем

,

имеющую решение в точке .

Зададим исходные данные:

N

-8

-6

0,001

0,001

200

Окно программы при решении методом наискорейшего градиентного спуска с заданными параметрами – рисунок 27.

Рисунок 27

Отсюда видим, что программа при заданных параметрах нашла решение за 16 итераций.

Зададим маленькие значения :

N

-8

-6

0,00001

0,00001

200

Решение при новых параметрах – рисунок 28.

Рисунок 28

Видим, что с уменьшением чисел увеличилось количество итераций, но и увеличилась точность решения. И обратное – с увеличением чиселколичество итераций уменьшается и точность тоже.

В качестве рассматриваемой функции выберем

,

имеющую решение в точке .

Зададим исходные данные:

N

-8

-6

0,001

0,001

200

Окно программы при решении методом наискорейшего градиентного спуска с заданными параметрами – рисунок 29.

Рисунок 29

Отсюда видим, что программа при заданных параметрах нашла решение за 13 итераций.

Зададим маленькие значения :

N

-8

-6

0,00001

0,00001

200

Решение при новых параметрах – рисунок 30.

Рисунок 30

Видим, что с уменьшением чисел увеличилось количество итераций, но и увеличилась точность решения. И обратное – с увеличением чиселколичество итераций уменьшается и точность тоже.

5 Выводы

Соберем в таблицу результаты работы методов при и проанализируем.

Таблица 1. Результаты вычислений

Аналитическое решение

0; 0

-6

0; 0

10

Симплекс-метод

-0,047;-0,063

-5,96

-0,375; 1

10,054

Метод покоординатного спуска нулевого порядка

0; 0,007

-5,999

0; 0

10

Метод градиентного спуска с постоянным шагом

-0,013; -0,089

-5,977

-0,352; -1,937

10,163

Метод наискорейшего градиентного спуска

-0,012; -0,039

-5,993

0; -1,158

10,054

Все методы пригодны для нахождения минимума заданных функций. Из таблицы видно, что наихудшие результаты показали симплекс-метод и метод градиентного спуска с постоянным шагом. Наилучший – метод покоординатного спуска нулевого порядка.

Список использованной литературы

1) А. В. Пантелеев. Методы оптимизации в примерах и задачах / учеб. пособие для ВТУЗов / Пантелеев А. В., Летова Т. А. – 2-е изд., исправ. – М.:Высш. шк., 2005. – 544 с.:ил.

2) Шилдт, Г. А. С# 4.0 полное руководство: учеб. / Г. А. Шилдт. - М.: ООО «И. Д. Вильямс», 2011. - 1056 с.