Метод Гаусса (оптимизация)

У этого термина существуют и другие значения, см. Метод Гаусса.

Метод Гаусса^[1] — прямой метод решения задач многомерной оптимизации.

Описание

Пусть необходимо найти минимум действительнозначной функции $f(\vec{x})\to\min_{\vec{x}\in\mathbb{R}^n}$, а $\vec{x}_0\!$ — начальное приближение.

Суть метода заключается в том, чтобы на каждой итерации по очереди минимизировать функцию вдоль каждой из координат, то есть:

$\vec{x}^{k+1}_0=\vec{x}_k\!$

$\left\{\begin{array}{rl} \vec{x}^{k+1}_1=\vec{x}^{k+1}_0+\lambda_1 \vec{e}_1, & \lambda_1=\arg \min_{\lambda} f(\vec{x}^{k+1}_0+\lambda_1 \vec{e}_1)\\ \ldots & \\ \vec{x}^{k+1}_n=\vec{x}^{k+1}_{n-1}+\lambda_n \vec{e}_n, & \lambda_n=\arg \min_{\lambda} f(\vec{x}^{k+1}_{n-1}+\lambda_n \vec{e}_n) \end{array}\right.$,

где $\vec{e}_1,\ldots,\vec{e}_n\!$ — ортонормированный базис в рассматриваемом пространстве.

Таким образом метод как бы «поднимется» по координатам, используя на шагах одной итерации для вычисления следующей координаты точки приближения все предыдущие значения координат, вычисленные на той же итерации, в этом и состоит схожесть с одноимённым методом решения СЛАУ.

При завершении итерации, точка, полученная на последнем шаге этой итерации, берётся в качестве следующего приближения:

$\vec{x}_{k+1}=\vec{x}^{k+1}_n$.

Процедура продолжается до тех пор, пока не будет достигнута заданная точность $\varepsilon\!$, то есть пока:

$||\vec{x}_{k+1}-\vec{x}_k||>\varepsilon\!$.

Улучшением данного метода является метод покоординатного спуска (метод Гаусса-Зейделя).

Примечания

1. ↑ Гаусс, Карл Фридрих (1777—1855) — немецкий математик, физик и астроном

Литература

• Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. Пер. с англ. — М.: Мир, 1985.
• Максимов Ю.А.,Филлиповская Е.А. Алгоритмы решения задач нелинейного программирования. — М.: МИФИ, 1982.

См. также

• Методы оптимизации
  • Метод Гаусса—Зейделя
• Линейная алгебра
  • Метод Гаусса
  • Метод Гаусса—Зейделя