python使用梯度下降和牛顿法寻找Rosenbrock函数最小值实例
作者:SpringHerald 时间:2022-09-10 20:01:20
Rosenbrock函数的定义如下:
其函数图像如下:
我分别使用梯度下降法和牛顿法做了寻找Rosenbrock函数的实验。
梯度下降
梯度下降的更新公式:
图中蓝色的点为起点,橙色的曲线(实际上是折线)是寻找最小值点的轨迹,终点(最小值点)为 (1,1)(1,1)。
梯度下降用了约5000次才找到最小值点。
我选择的迭代步长 α=0.002α=0.002,αα 没有办法取的太大,当为0.003时就会发生振荡:
牛顿法
牛顿法的更新公式:
Hessian矩阵中的每一个二阶偏导我是用手算算出来的。
牛顿法只迭代了约5次就找到了函数的最小值点。
下面贴出两个实验的代码。
梯度下降:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import ticker
def f(x, y):
return (1 - x) ** 2 + 100 * (y - x * x) ** 2
def H(x, y):
return np.matrix([[1200 * x * x - 400 * y + 2, -400 * x],
[-400 * x, 200]])
def grad(x, y):
return np.matrix([[2 * x - 2 + 400 * x * (x * x - y)],
[200 * (y - x * x)]])
def delta_grad(x, y):
g = grad(x, y)
alpha = 0.002
delta = alpha * g
return delta
# ----- 绘制等高线 -----
# 数据数目
n = 256
# 定义x, y
x = np.linspace(-1, 1.1, n)
y = np.linspace(-0.1, 1.1, n)
# 生成网格数据
X, Y = np.meshgrid(x, y)
plt.figure()
# 填充等高线的颜色, 8是等高线分为几部分
plt.contourf(X, Y, f(X, Y), 5, alpha=0, cmap=plt.cm.hot)
# 绘制等高线
C = plt.contour(X, Y, f(X, Y), 8, locator=ticker.LogLocator(), colors='black', linewidth=0.01)
# 绘制等高线数据
plt.clabel(C, inline=True, fontsize=10)
# ---------------------
x = np.matrix([[-0.2],
[0.4]])
tol = 0.00001
xv = [x[0, 0]]
yv = [x[1, 0]]
plt.plot(x[0, 0], x[1, 0], marker='o')
for t in range(6000):
delta = delta_grad(x[0, 0], x[1, 0])
if abs(delta[0, 0]) < tol and abs(delta[1, 0]) < tol:
break
x = x - delta
xv.append(x[0, 0])
yv.append(x[1, 0])
plt.plot(xv, yv, label='track')
# plt.plot(xv, yv, label='track', marker='o')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Gradient for Rosenbrock Function')
plt.legend()
plt.show()
牛顿法:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import ticker
def f(x, y):
return (1 - x) ** 2 + 100 * (y - x * x) ** 2
def H(x, y):
return np.matrix([[1200 * x * x - 400 * y + 2, -400 * x],
[-400 * x, 200]])
def grad(x, y):
return np.matrix([[2 * x - 2 + 400 * x * (x * x - y)],
[200 * (y - x * x)]])
def delta_newton(x, y):
alpha = 1.0
delta = alpha * H(x, y).I * grad(x, y)
return delta
# ----- 绘制等高线 -----
# 数据数目
n = 256
# 定义x, y
x = np.linspace(-1, 1.1, n)
y = np.linspace(-1, 1.1, n)
# 生成网格数据
X, Y = np.meshgrid(x, y)
plt.figure()
# 填充等高线的颜色, 8是等高线分为几部分
plt.contourf(X, Y, f(X, Y), 5, alpha=0, cmap=plt.cm.hot)
# 绘制等高线
C = plt.contour(X, Y, f(X, Y), 8, locator=ticker.LogLocator(), colors='black', linewidth=0.01)
# 绘制等高线数据
plt.clabel(C, inline=True, fontsize=10)
# ---------------------
x = np.matrix([[-0.3],
[0.4]])
tol = 0.00001
xv = [x[0, 0]]
yv = [x[1, 0]]
plt.plot(x[0, 0], x[1, 0], marker='o')
for t in range(100):
delta = delta_newton(x[0, 0], x[1, 0])
if abs(delta[0, 0]) < tol and abs(delta[1, 0]) < tol:
break
x = x - delta
xv.append(x[0, 0])
yv.append(x[1, 0])
plt.plot(xv, yv, label='track')
# plt.plot(xv, yv, label='track', marker='o')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Newton\'s Method for Rosenbrock Function')
plt.legend()
plt.show()
来源:https://blog.csdn.net/bu2_int/article/details/81333737
标签:python,梯度下降,牛顿法,Rosenbrock
0
投稿
猜你喜欢
windows下mysql 8.0.12安装步骤及基本使用教程
2024-01-19 15:17:53
python爬取指定微信公众号文章
2021-03-29 02:34:39
python购物车程序简单代码
2021-02-15 23:11:46
pandas中的DataFrame按指定顺序输出所有列的方法
2022-11-04 16:24:02
微信小程序开发工具介绍
2023-08-10 23:05:40
python的列表生成式,生成器和generator对象你了解吗
2022-05-15 15:10:04
PHP中array_slice函数用法实例详解
2023-06-20 20:18:04
MySQL视图简介及基本操作教程
2024-01-24 14:51:51
Js 随机数产生6位数字
2024-05-02 17:31:03
Python开发时报TypeError: ‘int‘ object is not iterable错误的解决方式
2023-08-23 20:30:05
SQL SERVER 日志已满的处理方法
2010-07-31 13:32:00
Mysql 5.7.17安装后登录mysql的教程
2024-01-15 04:28:38
python 时间戳与格式化时间的转化实现代码
2021-07-06 10:14:47
Vue超详细讲解重试机制示例
2024-04-30 08:45:37
python实现中文分词FMM算法实例
2022-07-31 18:40:55
python中Apriori算法实现讲解
2023-10-27 17:41:20
Python 如何对文件目录操作
2022-10-08 05:40:04
Go基础教程系列之数据类型详细说明
2024-04-23 09:49:16
Go 语言中gin使用gzip压缩遇到的问题
2024-02-01 16:52:40
ASP.NET MVC从控制器中获取URL值
2023-07-09 18:30:08