運籌優化(十一)--無約束非線性規劃
這個系列將非線性規劃是以“不是什麼“定義的,也就是說,之前的線性規劃模型使用連續決策變數,線性約束和線性目標函式,而非線性規劃涵蓋了所有其他單目標,連續決策變數的規劃模型。意味著,非線性規劃有許多不同的形式和演算法。其中,有的有模型約束,有的則只有目標函式。在許多模型中,微積分能夠得到可以利用的導數,有的則可能根本不存在導數。
無約束的非線性規劃
在無約束優化中,線性規劃的目標函式無界,而非線性規劃可能存在有界的最優解。
最常見的無約束非線性規劃問題,有曲線擬合或迴歸問題。你需要擬合出一條曲線模型儘可能的減少目標誤差。另外比較常見的應用是,估計概率分佈,你需要刻畫資料的分佈函式。當然,你可以基於改進搜尋的思路,不斷迭代尋找靠近(減小或者增大)目標值,從而找到最優解,也可以利用導數資訊(如果存在的話),尋找最優解。導數資訊,我們可以利用一階導(如SGD),也可以利用二階導(如海森矩陣)。這方面的資料很多,基本上深度學習的訓練,就是從一階導(梯度)資訊的維度出發,從搜尋策略(各種優化演算法改進,手動/自適應)角度提升尋優效果。另外,還有像牛頓法,擬牛頓法這種基於二階導數資訊的搜尋最優化演算法。注意:實際上這一部分,在機器學習、深度學習理論領域,用的很多,這裡不提是因為之前有整理過這塊的內容。
相關文章
- 運籌優化(十二)--帶約束非線性規劃(NLP)優化
- 運籌優化(五)--線性規劃之內點法優化
- 運籌優化(二)--線性規劃概念及應用模型優化模型
- 關於 線性規劃 非線性規劃 與 凸優化優化
- 運籌優化(九)--整數規劃模型優化模型
- 運籌優化(十)--整數規劃求解優化
- 運籌優化(七)--動態規劃解析優化動態規劃
- 運籌優化(四)--線性規劃之對偶問題和靈敏度分析優化
- 蒙特卡洛模擬(3)————求解有約束的非線性規劃問題
- 最優化之無約束優化優化
- 運籌優化(六)--目標規劃定義及解法優化
- 運籌優化(十三)--大規模優化方法優化
- matlab求解非線性規劃Matlab
- 帶約束條件的運籌規劃問題求解(模擬退火演算法實現)演算法
- 無約束凸優化演算法優化演算法
- 運籌優化(一)--運籌學概述優化
- 05-無約束優化演算法優化演算法
- 非線性最優化最佳教材優化
- 【機器學習之數學】03 有約束的非線性優化問題——拉格朗日乘子法、KKT條件、投影法機器學習優化
- 支援向量機(SVM)的約束和無約束優化、理論和實現優化
- 第一週【任務2】無約束最優化優化
- 無約束優化方法讀書筆記—入門篇優化筆記
- 運籌優化(八)--圖與網路優化優化
- 約束優化的拉格朗日乘子(KKT)優化
- 運籌學-整數規劃IP演算法演算法
- 非線性規劃的經典例題--選址問題
- matlab線性規劃Matlab
- 動態規劃-----線性動態規劃
- 虛擬化運維:規劃和發展戰略性 IT 計劃運維
- Ceres Solver: 高效的非線性優化庫(一)優化
- (十一)KPCA非線性降維與核函式PCA函式
- 線性規劃對偶原理
- 運籌學練習Python精解——整數規劃Python
- 非功能性約束之效能(1)-效能銀彈:快取快取
- 06-等式約束優化演算法優化演算法
- app開發的規劃與籌劃APP
- 運籌優化(十七)--儲存論基礎及其最優化求解優化
- 運籌優化(十八)--對策論基礎及其最優化求解優化