牛顿修正法在二阶近似方法中的应用

使用optimtool的牛顿修正法来应用学习

python 复制代码
pip install optimtool --upgrade
pip install optimtool>=2.4.2

optimtool包所依据的理论支撑中,还没有为二阶微分方法作邻近算子的近似与修正,所以二阶近似方法是研究无不可微项的可微函数的算子。

牛顿修正法的调用

python 复制代码
import optimtool.unconstrain as ou
newton_api = ou.newton.modified
print(newton_api(funcs, args, x_0)) # funcs, args, x_0

函数示例与算法可视化

Hager function :
f ( x ) = ∑ i = 1 n ( exp ⁡ x i − i x i ) , x 0 = [ 1 , 1 , . . . , 1 ] . f(x)=\sum_{i=1}^{n}(\exp{x_i}-\sqrt{i}x_i), x_0=[1,1,...,1]. f(x)=i=1∑n(expxi−i xi),x0=[1,1,...,1].

python 复制代码
x = sp.symbols("x1:5")
f = (sp.exp(x[0]) - x[0]) + \
    (sp.exp(x[1]) - sp.sqrt(2) * x[1]) + \
    (sp.exp(x[2]) - sp.sqrt(3) * x[2]) + \
    (sp.exp(x[3]) - sp.sqrt(4) * x[3])
x_0 = (0.5, 0.5, 0.5, 0.5) # Random given

可视化图例:

在科学计算领域,没有牛顿修正法研究不了的可微函数,混合优化一般适用于大数据参数的自动学习,对一阶微分的多元点作邻近近似,以达到减弱训练集学习程度,并增加测试集,或由用户组设置或输入的数据的泛化与决策水平。

相关推荐
戌崂石4 个月前
最优化方法Python计算:线性规划辅助问题最优解的预后处理
python·最优化方法
戌崂石4 个月前
最优化方法Python计算:标准型线性规划的轴转操作
人工智能·python·机器学习·最优化方法
温柔说给风5 个月前
【最优化方法】实验三 无约束最优化方法的MATLAB实现
开发语言·算法·机器学习·matlab·最优化方法·牛顿法·最速下降法
温柔说给风5 个月前
【最优化方法】实验一 熟悉MATLAB基本功能
开发语言·数学建模·matlab·最优化方法·线性规划·最小二乘法·非线性方程
鹅毛在路上了1 年前
用matlab求解线性规划
matlab·最优化方法
慕羽★1 年前
机器人中的数值优化(二十一)—— 伴随灵敏度分析、线性方程组求解器的分类和特点、优化软件
人工智能·机器学习·机器人·最优化方法·数值优化·线性方程组求解器·优化软件
慕羽★1 年前
机器人中的数值优化(十九)—— SOCP锥规划应用:时间最优路径参数化(TOPP)
机器学习·机器人·最优化方法·数值优化·最优路径·锥规划
慕羽★1 年前
机器人中的数值优化(二十)——函数的光滑化技巧
机器学习·机器人·最优化方法·数值优化·运动规划
慕羽★1 年前
机器人中的数值优化(十七)—— 锥与对称锥
机器人·最优化方法·数值优化·约束优化·锥规划·对称锥·轨迹优化
慕羽★1 年前
机器人中的数值优化(十六)—— 约束优化的应用:控制分配问题、碰撞距离计算、非线性MPC
机器人·最优化方法·数值优化·碰撞距离计算·非线性mpc·约束优化·控制分配