我的问题是 where。
我知道所需局部最小化器的第四个分量大于零,因此解决方案处的不等式约束无效。但是,还有其他不可行的局部最小化器。因此,如果在牛顿迭代期间简单地放弃边界约束,它可能会收敛到一个不可行的点。
我的问题是:解决这个有界约束问题最有效的算法是什么?
我尝试了对数屏障方法 和。例如,
但是在某些,比如,无约束的最小化不能收敛,即使它在和处收敛。我使用了行搜索。我看到在牛顿迭代期间正在减少,但梯度的范数没有。我无法弄清楚可能的原因。也许是病态?
我的问题是 where。
我知道所需局部最小化器的第四个分量大于零,因此解决方案处的不等式约束无效。但是,还有其他不可行的局部最小化器。因此,如果在牛顿迭代期间简单地放弃边界约束,它可能会收敛到一个不可行的点。
我的问题是:解决这个有界约束问题最有效的算法是什么?
我尝试了对数屏障方法 和。例如,
但是在某些,比如,无约束的最小化不能收敛,即使它在和处收敛。我使用了行搜索。我看到在牛顿迭代期间正在减少,但梯度的范数没有。我无法弄清楚可能的原因。也许是病态?
对于任何来说,实际上都没有特别好的答案。我的建议是阅读 Nocedal 和 Wright 关于数值优化的书(我一直以来最喜欢的书之一),其中涵盖了您使用的对数障碍法和许多其他方法。例如,您可以考虑活动集方法或二次惩罚方法等。
约束优化的一个重要特例由具有简单边界的优化问题构成:
假设是连续可微的。证明这个问题的一阶必要条件等价于,其中最小值是组件方面的?请回答。