Наискорейший спуск: различия между версиями

Материал из Алговики
Перейти к навигации Перейти к поиску
[непроверенная версия][непроверенная версия]
(Новая страница: « == Постановка задачи == Рассмотрим задачу поиска минимума функции <math>f(x)\colon \mathbb{R}^n \to \mathbb{…»)
 
(Полностью удалено содержимое страницы)
 
Строка 1: Строка 1:
  
== Постановка задачи ==
 
Рассмотрим задачу поиска минимума функции <math>f(x)\colon \mathbb{R}^n \to \mathbb{R}</math>
 
:<math>
 
\begin{align}
 
f(x) \rightarrow \min_{x \in  \mathbb{R}^n}
 
\end{align}
 
</math>
 
Будем считать, что функция <math>f(x)</math> такова, что можно вычислить её градиент.
 
 
=== Общее описание алгоритма ===
 
Наискорейший спуск<ref>, Н. Н. Калиткин “Численные методы.” Москва <<Наука>>, 1978</ref> — это вариант градиентного спуска: метода нахождения локального экстремума функции с помощью движения вдоль направления градиента.
 
 
===Математическое описание алгоритма ===
 
Основная идея метода состоит в том, чтобы идти в направлении <math>-\nabla f</math>, то есть в направлении, в котором функция быстрее всего убывает при бесконечно малом движении из данной точки:
 
:<math>
 
\begin{align}
 
x^{k+1} = x^{k} - \lambda^{k}(\nabla f),
 
\end{align}
 
</math>
 
где выбирается  <math>\lambda^{k} </math>по следующему правилу: <math>\lambda^{k} = \operatorname{arg}\min_{\lambda}  f(x^{k} - \lambda^{k}(\nabla f))</math>.
 
 
=== Вычислительное ядро алгоритма ===
 
 
=== Макроструктура алгоритма ===
 
 
=== Схема реализации последовательного алгоритма ===
 
 
=== Последовательная сложность алгоритма ===
 
 
=== Информационный граф ===
 
 
=== Ресурс параллелизма алгоритма ===
 
 
=== Входные и выходные данные алгоритма ===
 
 
=== Свойства алгоритма ===
 
 
== Программная реализация алгоритма ==
 
=== Особенности реализации последовательного алгоритма ===
 
 
=== Локальность данных и вычислений ===
 
 
=== Возможные способы и особенности параллельной реализации алгоритма ===
 
 
=== Масштабируемость алгоритма и его реализации ===
 
 
=== Динамические характеристики и эффективность реализации алгоритма ===
 
 
=== Выводы для классов архитектур ===
 
 
=== Существующие реализации алгоритма ===
 
 
== Литература ==
 
<references />
 

Текущая версия на 19:08, 22 октября 2017