Метод наискорейшего спуска
При
применении метода градиента на каждом
шаге вычисляются значения всех частных
производных оптимизируемой функции Q
по
всем независимым переменным U,
что при большом числе этих переменных
приводит к весьма большому времени
поиска оптимума. Сократить время поиска
позволяет метод наискорейшего спуска,
блок-схема, где
- точность
вычисления, H
- величина
шага, n
- размерность
вектора u,
Q
- алгоритм
вычисления целевой функции Q
(u),
L
- количество
шагов по конкретному направлению
градиента функции Q.
Таким
образом, в начальной точке u0
определяется
градиент целевой функции и, следовательно, направление ее
наибыстрейшего убывания; далее делается
шаг спуска в этом направлении. Если
значение целевой функции уменьшились,
то делается следующий шаг в этом же
самом направлении.
Процедура
повторяется до тех пор, пока в этом
направлении не будет найден минимум,
после чего только вычисляется градиент
и определяется новое направление
наибыстрейшего убывания целевой функции.
По
сравнению с методом градиента метод
наискорейшего спуска оказывается более
выгодным из-за сокращения объема
вычислений. Чем менее резко изменяется
направление градиента целевой функции,
тем выгоднее использовать метод
наискорейшего спуска, т.е. вдали от
оптимума. Вблизи оптимума рассматриваемый
метод автоматически переходит в метод
градиента. Окончание поиска происходит
в соответствии с теми же критериями,
что и в методе градиента.