[微積] 最佳化的概念

看板Math作者 (真空管)時間1年前 (2024/09/13 03:07), 1年前編輯推噓1(1推 0噓 16→)
留言17則, 3人參與, 1年前最新討論串1/2 (看更多)
抱歉大學學的東西不小心都還給老師了...請各路大神幫忙QQ 假設我有一組數據F_data 有一個函數F(a, θ, c) = a*cos(θ) + c 則可定義出我的objective function min|| F-F_data ||_2, minimize的對象是a, θ, c, 且0<=θ<=2pi 為了求解這個最佳化問題 我可能可以選擇Gauss–Newton algorithm 或是Levenberg–Marquardt algorithm 或其他不同的演算法等等 我的問題是, 當我選擇不同算法的時候 這各種算法理論上應該要收斂到同一個最佳解嗎? 我以為當objective function決定的當下, 最佳解就跟著決定了 而不同算法只是走著不同的路線往最佳解收斂 不知道我的理解是不是對的QQ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.171.17.65 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Math/M.1726168065.A.3EF.html
→
09/13 07:15, 1年前 , 1F
不同的起始點可能導致「收斂」到不同的解
09/13 07:15, 1F
→
09/13 07:16, 1年前 , 2F
都看到「牛頓」法了。求根問題用牛頓法解，就知道
09/13 07:16, 2F
這可以理解, 但我對問題的定義應該已經讓根只有一個了才是? 又或著我控制各算法的起始點也一致的話, 就能讓大家都收斂到同一個解了嗎? ※ 編輯: vacuityhu (1.171.17.65 臺灣), 09/13/2024 09:24:16
推
09/13 10:10, 1年前 , 3F
欸 看你用什麼演算法。就我知道的演算法通常是收斂
09/13 10:10, 3F
→
09/13 10:10, 1年前 , 4F
到一個區域性的極值
09/13 10:10, 4F
→
09/13 10:10, 1年前 , 5F
但根據問題的性質，區域性的極值可能就是全域性的
09/13 10:10, 5F
→
09/13 10:11, 1年前 , 6F
極值。比如 comvex optimization problem 就有這種
09/13 10:11, 6F
→
09/13 10:11, 1年前 , 7F
性質
09/13 10:11, 7F
→
09/14 16:43, 1年前 , 8F
如果有幾個不同的局部極值,即使起始點一樣走不同路
09/14 16:43, 8F
→
09/14 16:44, 1年前 , 9F
徑也有可能最後落在不同洞裡阿
09/14 16:44, 9F
→
09/14 16:49, 1年前 , 10F
甚至用同一種算法, 比如梯度下降的步長不同也有可能
09/14 16:49, 10F
→
09/14 16:49, 1年前 , 11F
導致從同一個起點出發最後落在不同的山凹裡
09/14 16:49, 11F
→
09/15 00:07, 1年前 , 12F
高中數學，求函數極大極小值，要看可能的極值點
09/15 00:07, 12F
→
09/15 00:08, 1年前 , 13F
要對函數做一次微分後求根。那些根包括極點和拐點
09/15 00:08, 13F
→
09/15 00:09, 1年前 , 14F
先看只有一個資料點的情況，目標函數微分後出現正弦
09/15 00:09, 14F
→
09/15 00:10, 1年前 , 15F
函數，所以零點和二拍是兩選項。一次微分的括號裡面
09/15 00:10, 15F
→
09/15 00:10, 1年前 , 16F
因為C是代入資料點，一般有誤差而不會滿足
09/15 00:10, 16F
→
09/15 00:12, 1年前 , 17F
零點和二拍代入於弦函數得相同值，又剛好在區間端點
09/15 00:12, 17F
‣ 更多 vacuityhu 的文章
文章代碼(AID): #1cupm1Fl (Math)
‣ 更多 vacuityhu 的文章
文章代碼(AID): #1cupm1Fl (Math)