哪种数值方法最适合找到具有几乎平坦的“谷”(但在谷的中间有一个最小值)的函数的极值?在这种情况下,最佳意味着最少数量的功能评估。
为简单起见,假设这是一个二维问题。此外,重要的可能是我更感兴趣的不是极值的坐标,而是其中函数的值。
作为参考,Rosenbrock 函数为
我使用术语“'Rosenbrock'-like”,因为我还没有定义函数本身。我正在解决的问题是非线性等式约束优化问题,我相信我已经将其简化为沿约束具有“谷”的函数的全局优化。
哪种数值方法最适合找到具有几乎平坦的“谷”(但在谷的中间有一个最小值)的函数的极值?在这种情况下,最佳意味着最少数量的功能评估。
为简单起见,假设这是一个二维问题。此外,重要的可能是我更感兴趣的不是极值的坐标,而是其中函数的值。
作为参考,Rosenbrock 函数为
我使用术语“'Rosenbrock'-like”,因为我还没有定义函数本身。我正在解决的问题是非线性等式约束优化问题,我相信我已经将其简化为沿约束具有“谷”的函数的全局优化。
如果您可以轻松访问 Hessian 矩阵(就像使用 Rosenbrock 函数一样),那么您应该使用二阶方法,例如Newton Raphson 方法。对于足够“好”的函数,它既易于实现又二次收敛(请参阅此处的条件)