【梯度下降算法】——使用梯度下降算法解决一元和多元数学最值问题

一元最值问题


[例] 求解x为多少时,目标函数y = sinx + 5x² + 2可取得最小值?

接下来分析一下这道题,它是求最值问题,我们按照高中的思路,容易想到求导,然后让导数值为0,求得的x即为极值点,接着通过相关计算求出答案。

那我们就来试试看,首先求导得y' = cosx +10x,然而我们不知道如何求得x使得导数值为0……

这时我们就需要使用到梯度下降算法,因为我们求的是最小值,所以设置学习率为-0.1。

[解] 首先随机初始化x,假设x= 0。梯度为▽y= cosx + 10x

循环 x 梯度 更新x
1 0 cos0 + 10 * 0 = 1 0 - 0.1 * 1 = -0.1
2 -0.1 cos0.1 + 10 * 0.1 = -0.0050 -0.1 + 0.1 * 0.0050 = -0.0995
3 -0.0995 cos(-0.0995) - 10 * 0.0995 = -0.00005 ≈ 0 无更新

梯度为-0.00005时,已经接近为0了,也就意味着偏导数为0,意味着此时已经到达极小值了。

当 x = -0.0995 时,ymin = 1.95,问题得解!

多元最值问题


[例] 利用梯度下降法,计算y = (x1 - 1)² + (x2 - 3)²的极小值

[解] 先计算梯度

因为求解最小值,所以设置学习率为-0.4

循环 [x1 x2] 梯度 更新 [x1 x2]
1 [0 0] [2 * 0 - 22 * 0-6] = [-2 -6] [0 0] - 0.4 * [-2 -6] = [0.8 2.4]
2 [0.8 2.4] [-0.4 -1.2] [0.96 2.88]
3 [0.96 2.88] [-0.08 -0.24] [0.99 2.98]
4 [0.99 2.98] [-0.02 -0.05] ≈ [1.00 3.00],不再更新
当 [x1 x2] = [1.00 3.00] 时,ymin = 0,问题得解!
发布了75 篇原创文章 · 获赞 267 · 访问量 5216

猜你喜欢

转载自blog.csdn.net/weixin_45961774/article/details/105385106