18、HS 共轭梯度法

本节我们将介绍另外一种经典的共轭梯度法,即是~\rm{HS}~共轭梯度法。

1、引言

  HS 共轭梯度法是由\rm{Hestenes}~~\rm{Stiefe}~于1952 年在求解线性共轭梯度法中提出,后来被用于求解非线性无约束优化问题。
  共轭梯度法的一般形式为:
x_{k+1}=x_k+\alpha_k d_k,\tag{1}
d_k=\begin{cases} -g_k,\quad & k=1,\\ -g_k+\beta_k d_k, &k\ge 2,\end{cases}\tag{2}
其中参数~\beta_k~由以下公式计算:
\beta_k^{HS}=\frac{g_k^T(g_k-g_{k-1})}{d_{k-1}^T(g_k-g_{k-1})}.\tag{3}

2、收敛性分析

  我们把方法~(1)-(3)~称为~\rm{HS}~方法。与~\rm{PRP}~方法相比,\rm{HS}方法一个重要的性质是,我们令~y_{k-1}=g_k-g_{k-1}~,则有如下共轭关系式成立
d_{k}^Ty_{k-1}=0\tag{4}
证明:\begin{align}d_{k}^Ty_{k-1}&=(-g_k+\beta_k^{HS} d_{k-1})^Ty_{k-1}\\ &=-g_k^Ty_{k-1}+\frac{g_k^T y_{k-1}}{d_{k-1}^Ty_{k-1}}d_{k-1}^Ty_{k-1}=0\end{align}
  上面~(4)~式不论线搜索是否精确,总是成立的。但~\rm{HS}~方法的理论性质和计算表现与~\rm{PRP}~方法很类似。如果线搜索是精确的,因为~d_{k-1}^T y_{k-1}=\Vert g_{k-1}\Vert^2~,于是有
\beta_k^{HS}=\beta_k^{PRP}\tag{5}
  同样也有,采取精确线搜索的~\rm{HS}~方法对一般非凸目标函数不一定收敛。如果线搜索满足
f(x_k+\alpha_k d_k)\le f(x_k)+\rho\alpha_k g_k^T d_k\tag{6}

g(x_k+\alpha_k d_k)^T d_k\ge\sigma g_k^T d_k\tag{7}
其中~0<\rho<\sigma<1~,以及线搜索使得充分下降条件成立,即存在~c>0~,使得
-g_k^T d_k\ge c\Vert g_k\Vert^2\tag{8}
则显然有下式成立
d_{k-1}^T y_{k-1}\ge(1-\sigma)\vert g_{k-1}^T d_{k-1}\vert\ge (1-\sigma)c\Vert g_{k-1}\Vert^2\tag{9}
设存在~\gamma~~\overline{\gamma}~使得下式成立,即
0<\gamma\le\Vert g_k\Vert\le\overline{\gamma}\tag{10}
对于~\rm{HS}~方法,可以取
b=\frac{2\overline{\gamma}^2}{(1-\sigma)c\gamma^2}\tag{11}
以及
\lambda=\frac{(1-\sigma)c\gamma^2}{2L\overline{\gamma}b}\tag{12}
因为~(11)~~(12)~,使得性质(*)成立,令
\beta_k=\left\{\beta_k^{HS},0\right\}\tag{13}
则我们便有如下定理,证明过程类似与~\rm{PRP}~方法,故省略。

定理 1:设目标函数~f(x)~水平集有界,且导数~\rm{Lipschitz}~连续,考虑~\rm{HS}^+~方法(1)-(3),其中步长因子~\alpha_k~满足~\rm{Wolfe}~条件~(6)~~(7)~以及充分下降条件~(8)~,则方法给出~\lim\inf\Vert g_k\Vert=0~

  在线搜索满足强~\rm{Wolfe}~条件的假定下,我们知道可以将~\rm{PRP}^{+}~共轭梯度法中的充分下降条件改为下降条件。戚后铎^{[1]} 考虑了如下修正的~\rm{HS}~方法:
\beta_k=\max\left\{0,\min\left\{\beta_k^{HS},\frac{1}{\Vert g_k\Vert}\right\}\right\}
并在无充分下降条件下,建立了方法的全局收敛性。

3、参考文献

[1] 戚后铎, 韩继页, 刘光辉. 修正~\rm{Hestense-Stiefel}~共轭梯度法. 数学年刊, 1996(3): 277-284.
[2] 戴彧虹. 非线性共轭梯度法. 2000, 科学出版社.

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,793评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,567评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,342评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,825评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,814评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,680评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,033评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,687评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,175评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,668评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,775评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,419评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,020评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,206评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,092评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,510评论 2 343

推荐阅读更多精彩内容