使用梯度和 Hessian 稀疏模式进行最小化
此示例说明如何使用稀疏有限差分近似的三对角 Hessian 矩阵(而不是显式计算)来求解非线性最小化问题。
问题可以表示为找出使以下方程最小化的 :
其中 = 1000。
n = 1000;
要在 fminunc
中使用 trust-region
方法,您必须计算目标函数中的梯度;它不像在 quasi-newton
方法中那样是可选的。
本示例末尾的辅助函数 brownfg
计算目标函数和梯度。
为了高效计算 Hessian 矩阵 的稀疏有限差分近似,必须预先确定 的稀疏结构。在这种情况下,稀疏矩阵结构 Hstr
可在文件 brownhstr.mat
中使用。使用 spy
命令,您可以看到 Hstr
确实是稀疏的(只有 2998 个非零)。
load brownhstr
spy(Hstr)
使用 optimoptions
将 HessPattern
选项设置为 Hstr
。当如此大的问题具有明显的稀疏结构时,不设置 HessPattern
选项会不必要地使用大量内存和计算,因为 fminunc
尝试对一百万个非零条目的完整 Hessian 矩阵使用有限差分。
要使用 Hessian 稀疏模式,您必须使用 fminunc
的 trust-region
算法。该算法还要求您使用 optimoptions
将 SpecifyObjectiveGradient
选项设置为 true
。
options = optimoptions(@fminunc,'Algorithm','trust-region',... 'SpecifyObjectiveGradient',true,'HessPattern',Hstr);
将目标函数设置为 @brownfg
。对于奇数 分量,将初始点设置为 -1;对于偶数 分量,将初始点设置为 +1。
xstart = -ones(n,1); xstart(2:2:n,1) = 1; fun = @brownfg;
通过使用初始点 xstart
和选项 options
调用 fminunc
来求解问题。
[x,fval,exitflag,output] = fminunc(fun,xstart,options);
Local minimum found. Optimization completed because the size of the gradient is less than the value of the optimality tolerance.
检查解和求解过程。
disp(fval)
7.4738e-17
disp(exitflag)
1
disp(output)
iterations: 7 funcCount: 8 stepsize: 0.0046 cgiterations: 7 firstorderopt: 7.9822e-10 algorithm: 'trust-region' message: 'Local minimum found....' constrviolation: []
函数 是平方幂的和,因此是非负的。解 fval
几乎为零,显然是最小值。退出标志 1
也表示 fminunc
已求得解。output
结构体表明 fminunc
只需 7 次迭代就找到了解。
显示该解的最大和最小元素。
disp(max(x))
1.9955e-10
disp(min(x))
-1.9955e-10
该解接近 x = 0
所有元素的点。
辅助函数
以下代码创建 brownfg
辅助函数。
function [f,g] = brownfg(x) % BROWNFG Nonlinear minimization test problem % % Evaluate the function n=length(x); y=zeros(n,1); i=1:(n-1); y(i)=(x(i).^2).^(x(i+1).^2+1) + ... (x(i+1).^2).^(x(i).^2+1); f=sum(y); % Evaluate the gradient if nargout > 1 if nargout > 1 i=1:(n-1); g = zeros(n,1); g(i) = 2*(x(i+1).^2+1).*x(i).* ... ((x(i).^2).^(x(i+1).^2))+ ... 2*x(i).*((x(i+1).^2).^(x(i).^2+1)).* ... log(x(i+1).^2); g(i+1) = g(i+1) + ... 2*x(i+1).*((x(i).^2).^(x(i+1).^2+1)).* ... log(x(i).^2) + ... 2*(x(i).^2+1).*x(i+1).* ... ((x(i+1).^2).^(x(i).^2)); end end