数值算法：无约束优化之多维优化之共轭方向法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了数值算法：无约束优化之多维优化之共轭方向法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含357字，纯文字阅读大概需要1分钟。
内容图文
在效率上，共轭方向法位于最速下降法和牛顿法之间。它具有特性：对于n维二次型问题，能够在n步之内得到结果；共轭梯度法不需要计算海森矩阵；不需要求逆；
共轭方向：
Q为n阶实对称矩阵，对于方向 d(0), d(1),... , d(m), 如果对于所有的 i 不等于 j ，有 d(i)TQd(j)=0， 则称它们是关于Q共轭的。
定理：如果Q是n阶正定矩阵（自然是对称的），如果方向d(0), d(1),... , d(k)，k<=n-1非零，且是关于Q共轭的，那么它们线性无关；
构造n阶正定矩阵的n个共轭向量方法：Gram-Schmidt
1、基本的共轭方向算法
原文：http://www.cnblogs.com/xiehbpku/p/6132105.html
内容总结
以上是互联网集市为您收集整理的数值算法：无约束优化之多维优化之共轭方向法全部内容，希望文章能够帮你解决数值算法：无约束优化之多维优化之共轭方向法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。