python求最值_用Python实现最速下降法求极值的方法

对于一个多元函数

，用最速下降法（又称梯度下降法）求其极小值的迭代格式为

其中

为负梯度方向，即最速下降方向，αkαk为搜索步长。

一般情况下，最优步长αkαk的确定要用到线性搜索技术，比如精确线性搜索，但是更常用的是不精确线性搜索，主要是Goldstein不精确线性搜索和Wolfe法线性搜索。

为了调用的方便，编写一个Python文件，里面存放线性搜索的子函数，命名为linesearch.py，这里先只编写了Goldstein线性搜索的函数，关于Goldstein原则，可以参看最优化课本。

线性搜索的代码如下（使用版本为Python3.3）：

'''

线性搜索子函数

'''

import numpy as np

import random

def goldsteinsearch(f,df,d,x,alpham,rho,t):

flag=0

a=0

b=alpham

fk=f(x)

gk=df(x)

phi0=fk

dphi0=np.dot(gk,d)

alpha=b*random.uniform(0,1)

while(flag==0):

newfk=f(x+alpha*d)

phi=newfk

if(phi-phi0<=rho*alpha*dphi0):

if(phi-phi0>=(1-rho)*alpha*dphi0):

flag=1

else:

a=alpha

b=b

if(b

alpha=(a+b)/2

else:

alpha=t*alpha

else:

a=a

b=alpha

alpha=(a+b)/2

return alpha

上述函数的输入参数主要包括一个多元函数f，其导数df，当前迭代点x和当前搜索方向d，返回值是根据Goldstein准则确定的搜索步长。

我们仍以Rosenbrock函数为例，即有

于是可得函数的梯度为

最速下降法的代码如下：

"""

最速下降法

Rosenbrock函数

函数 f(x)=100*(x(2)-x(1).^2).^2+(1-x(1)).^2

梯度 g(x)=(-400*(x(2)-x(1)^2)*x(1)-2*(1-x(1)),200*(x(2)-x(1)^2))^(T)

"""

import numpy as np

import matplotlib.pyplot as plt

import random

import linesearch

from linesearch import goldsteinsearch

def rosenbrock(x):

return 100*(x[1]-x[0]**2)**2+(1-x[0])**2

def jacobian(x):

return np.array([-400*x[0]*(x[1]-x[0]**2)-2*(1-x[0]),200*(x[1]-x[0]**2)])

X1=np.arange(-1.5,1.5+0.05,0.05)

X2=np.arange(-3.5,2+0.05,0.05)

[x1,x2]=np.meshgrid(X1,X2)

f=100*(x2-x1**2)**2+(1-x1)**2; # 给定的函数

plt.contour(x1,x2,f,20) # 画出函数的20条轮廓线

def steepest(x0):

print('初始点为:')

print(x0,'\n')

imax = 20000

W=np.zeros((2,imax))

W[:,0] = x0

i = 1

x = x0

grad = jacobian(x)

delta = sum(grad**2) # 初始误差

while i10**(-5):

p = -jacobian(x)

x0=x

alpha = goldsteinsearch(rosenbrock,jacobian,p,x,1,0.1,2)

x = x + alpha*p

W[:,i] = x

grad = jacobian(x)

delta = sum(grad**2)

i=i+1

print("迭代次数为:",i)

print("近似最优解为:")

print(x,'\n')

W=W[:,0:i] # 记录迭代点

return W

x0 = np.array([-1.2,1])

W=steepest(x0)

plt.plot(W[0,:],W[1,:],'g*',W[0,:],W[1,:]) # 画出迭代点收敛的轨迹

plt.show()

为了实现不同文件中函数的调用，我们先用import函数导入了线性搜索的子函数，也就是下面的2行代码

import linesearch

from linesearch import goldsteinsearch

当然，如果把定义goldsteinsearch函数的代码直接放到程序里面，就不需要这么麻烦了，但是那样的话，不仅会使程序显得很长，而且不便于goldsteinsearch函数的重用。

此外，Python对函数式编程也支持的很好，在定义goldsteinsearch函数时，可以允许抽象的函数f，df作为其输入参数，只要在调用时实例化就可以了。与Matlab不同的是，传递函数作为参数时，Python是不需要使用@将其变为函数句柄的。

运行结果为

初始点为:

[-1.2 1. ]

迭代次数为: 1504

近似最优解为:

[ 1.00318532 1.00639618]

迭代点的轨迹为

由于在线性搜索子程序中使用了随机函数，初始搜索点是随机产生的，因此每次运行的结果不太相同，比如再运行一次程序，得到

初始点为:

[-1.2 1. ]

迭代次数为: 1994

近似最优解为:

[ 0.99735222 0.99469882]

所得图像为

以上这篇用Python实现最速下降法求极值的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

python求最值_用Python实现最速下降法求极值的方法相关推荐

python 获取唯一值_从Python列表中获取唯一值
python 获取唯一值 In this article, we will be understanding 3 ways to get unique values from a Python lis ...
python利用以下公式求π的值_使用Python计算 π 值
π是一个无数人追随的真正的神奇数字.我不是很清楚一个永远重复的无理数的迷人之处.在我看来,我乐于计算π,也就是计算π的值.因为π是一个无理数,它是无限的.这就意味着任何对π的计算都仅仅是个近似值.如 ...
python 彩票遗漏值_荐Python遗漏知识点一
Python笔记之遗漏 print('name:', user_name, '年龄:', user_age, sep ='|' , end = ' ') f = open("poem.txt ...
python input 默认值_在python中为dictionary创建默认值
让我们有一个方法来缓存它计算的结果. "If"方法:def calculate1(input_values): if input_values not in calculate1. ...
python获取返回值_【Python】python获取线程的返回值
threading模块默认没有获取线程返回值的方法. 下面通过重写threading.Tread类来实现:from threading import Thread import random impo ...
python二分法求最值_数值分析之二分法、试值法 python
@ 数值分析之非线性方程求解文章目录二分法.试值法的本质 (1) 二分法求利率题目输入输出格式举例输入: 输出: 思路和要点代码结果 (2)试值法法求利率题目输入输出格式举例输 ...
python怎么用圆周率_用python程序求圆周率到任意位
因为根据马青公式π/4=4arctg1/5-arctg1/239 又因为arctgX=X-(1/3)X^3+(1/5)X^5-(1/7)X^7+......+[(-1)^(n-1)/((2n-1)]* ...
python求抛物线函数_在python中利用最小二乘拟合二次抛物线函数的方法
1.最小二乘也可以拟合二次函数我们都知道用最小二乘拟合线性函数没有问题,那么能不能拟合二次函数甚至更高次的函数呢?答案当然是可以的.下面我们就来试试用最小二乘来拟合抛物线形状的的图像. 对于二次函数 ...
python 32的值_示例解读 Python 2 和 Python 3 之间的主要差异
每门编程语言在发布更新之后,主要版本之间都会发生很大的变化. 在本文中,Vinodh Kumar 通过示例解释了 Python 2 和 Python 3 之间的一些重大差异,以帮助说明语言的变化. 本 ...

python求最值_用Python实现最速下降法求极值的方法

python求最值_用Python实现最速下降法求极值的方法相关推荐

最新文章

热门文章