最速下降方法和Newton方法

时间:2020-12-08 23:22:14

《Convex Optimization》

最速下降方法

\(f(x+v)\)在\(v=0\)处的一阶泰勒展开为:

\[f(x+v)\approx \hat{f}(x+v) = f(x) + \nabla f(x)^{T}v
\]

\(\nabla f(x)^{T}v\)是\(f\)在\(x\)处沿\(v\)的方向导数。它近似给出了\(f\)沿小的步径\(v\)会发生的变化。

在\(v\)的大小固定的前提下,讨论如何选择\(v\)使得方向导数最小是有意义的,即:

\[\Delta x_{nsd}= argmin\{\nabla f(x)^{T}v \:|\: \|v\|=1\}
\]

最速下降方向就是一个使\(f\)的线性近似下降最多的具有单位范数的步径。注意,这里的单位范数,并不局限于Euclid范数。

我们先给出最速下降方法的算法,再介绍几种范数约束。

最速下降方法和Newton方法

Euclid范数和二次范数

Euclid范数

显然,这时的方向就是负梯度方向。

二次范数

我们考虑二次范数

\[\|z\|_P=(z^TPz)^{1/2}=\|P^{1/2}z\|
\]

其中P为n阶对称正定矩阵。

这时的最优解为:

\[\Delta x_{nsd}=-(\nabla f(x)^{T}P^{-1}\nabla f(x))^{-1/2}P^{-1}\nabla f(x)
\]

这个最优解,可以通过引入拉格朗日乘子,求解对偶函数KKT条件获得,并不难,就不写了。

基于坐标变换的解释

二次范数,可以从坐标变换的角度给出一个解释。

我们定义线性变换:

\[\bar{u}=P^{1/2}u
\]

那么:

\[g(\bar{u})=f(P^{-1/2}\bar{u})=f(u)
\]

\(g\)在\(\bar{x}\)出的负梯度方向为:

\[\Delta \bar{x}=-\nabla \bar{f}(\bar{x})=-P^{-1/2}\nabla f(P^{-1/2}\bar{x})=-P^{-1/2}\nabla f(x)
\]

注意,并没有归一化。

又,我们已经知道\(\Delta x = -P^{-1} \nabla f(x)\)(只是方向而已),所以:

\[\Delta \bar{x}=P^{1/2}\Delta x
\]

同样的线性变换。换言之,二次范数\(\|\cdot\|_P\)下的最速下降方向可以理解为对原问题进行坐标变换\(\bar{x}=P^{1/2}x\)后的梯度方向。辅以下图便于理解。

最速下降方法和Newton方法

采用\(\ell_1\)-范数的最速下降方向

这个问题的刻画如下:

\[\Delta x_{nsd}=argmin\{\nabla f(x)^Tv \: | \: \|v\|_1=1\}
\]

\(\ell_1\)即各分量绝对值之和,所以,只需把\(\nabla f(x)\)绝对值分量最大的那个部分找出来即可。不妨设,第\(i\)个分量就是我们要找的,那么:

\[\Delta x_{nsd}=-sign(\frac{\partial f(x)}{\partial x_i})e_i
\]

其中,\(e_i\)表示第\(i\)个基向量。

所以,在每次下降过程中,都只是改变一个分量,所以\(\ell_1\)-范数的下降,也称为坐标下降算法。

辅以下图以便理解:

最速下降方法和Newton方法

至于收敛性分析,与先前的相反,我们不在这里给出(打起来太麻烦了实际上,有需求直接翻书就好了)。

数值试验

我们依然选择\(f(x)=e^{x_1+3x_2-0.1}+e^{x_1-3x_2-0.1}+e^{-x_1-0.1}\),\(\alpha=0.2,\beta=0.7\),初始点为\((7, 3)\),下图为我们展示了一种较为极端的坐标下降的方式。

最速下降方法和Newton方法

代码只需要改变gradient2的几行而已。

def gradient2(x):
x0 = x[0]
x1 = x[1]
grad1 = np.exp(x0+3*x1-0.1) \
+ np.exp(x0-3*x1-0.3) \
- np.exp(-x0-0.1)
grad2 = 3 * np.exp(x0+3*x1-0.1) \
-3 * np.exp(x0-3*x1-0.3)
if abs(grad1) > abs(grad2):
return np.array([grad1/abs(grad1),0])
else:
return np.array([0, grad2/abs(grad2)])

Newton 方法

最开始看的时候,还很疑惑,后来才发现,原来这个方法在很多地方都出现过。除了《凸优化》(《Convex Optimization》),数学分析(华师大)和托马斯微积分都讲到过。虽然,或者将的一元的特殊情况,而且,后者的问题是寻找函数的零值点。起初,还不知道怎么把俩者联系起来,仔细一想,导函数的零值点不就是我们所要的吗?当然,得要求函数是凸的。

实际上,Newton方法是一种特殊的二次范数方法。特殊在,\(P\)的选取为Hessian矩阵\(\nabla^2 f(x)。\)我们还没有分析,二次范数的\(P\)应该如何选择。在下降方法的收敛性分析中,我们强调了条件数的重要性。加上刚刚分析过的坐标变换,坐标变换后,新的Hessian矩阵变为:

\[P^{-1/2}\nabla^2 f(x)P^{-1/2}
\]

所以,如果我们取\(P =\nabla^2f(x^*)\),那么新的Hessian矩阵在最有点附近就近似为\(I\),这样就能保证快速收敛。如果,每次都能选择\(P=\nabla^2 f(x)\),这就是Newton方法了。下图反映了为什么这么选择会加速收敛:

最速下降方法和Newton方法

Newton 步径

Newton步径:

\[\Delta x_{nt}=-\nabla^2 f(x)^{-1}\nabla f(x)
\]

则:

\[\nabla f(x)^T\Delta x_{nt}=-\nabla f(x)^T\nabla^2f(x)^{-1}\nabla f(x)<0
\]

因为我们假设Hessian矩阵正定,所以上述不等式在\(\nabla f(x) \ne 0\)时都成立。

二阶近似的最优解

\(f(x+v)\)在\(v=0\)处的二阶近似为:

\[\hat{f}(x+v)=f(x)+\nabla f(x)^Tv+\frac{1}{2}v^T \nabla^2f(x)v
\]

这是\(v\)的二次凸函数,在\(v=\Delta x_{nt}\)处到达最小值。下图即是该性质的一种形象地刻画:

最速下降方法和Newton方法

线性化最优性条件的解

如果我们在\(x\)附近对最优性条件\(\nabla f(x^*)=0\)处进行线性化,可以得到:

\[\nabla f(x+v) \approx \nabla f(x) + \nabla^2 f(x) v=0
\]

这个实际上就是我在最开始对Newton方法的一个解释。不多赘述。

Newton 步径的仿射不变性

最速下降方法和Newton方法

这个在代数里面是不是叫做同构?

Newton 减量

我们将

\[\lambda (x)=(\nabla f(x)^T \nabla^2 f(x)^{-1}\nabla f(x))^{1/2}
\]

称为Newton减量。

有如下的性质:

\[f(x) = \mathop{inf} \limits_{y} \hat{f}(y)=f(x)-\hat{f}(x+\Delta x_{nt})=\frac{1}{2}\lambda (x)^2
\]

\[\lambda (x) = (\Delta x_{nt}^T \nabla^2f(x) \Delta x_{nt})^{1/2}
\]

\[\nabla f(x)^T \Delta x_{nt}=-\lambda (x)^2
\]

Newton步径同样是仿射不变的。

Newton步径常常用作停止准则的设计。

Newton 方法

算法如下:

最速下降方法和Newton方法

收敛性分析

收敛性分为俩个阶段,证明比较多,这里只给出结果。

最速下降方法和Newton方法

第一阶段为阻尼Newton阶段,第二阶段为二次收敛阶段。

数值实验

我们依然选择\(f(x)=e^{x_1+3x_2-0.1}+e^{x_1-3x_2-0.1}+e^{-x_1-0.1}\),\(\alpha=0.2,\beta=0.7\),初始点为\((7, 3)\),下图采用牛顿方法的图(代码应该没写错吧)。

最速下降方法和Newton方法

下图初始点为\((-5, 3)\)

最速下降方法和Newton方法

代码

def hessian(x):
x0 = x[0]
x1 = x[1]
hessian = np.zeros((2, 2), dtype=float)
element1 = np.exp(x0 + 3 * x1 - 0.1)
element2 = np.exp(x0 - 3 * x1 - 0.1)
element3 = np.exp(-x0 - 0.1)
hessian[0, 0] = element1 + element2 + element3
hessian[0, 1] = 3 * element1 - 3 * element2
hessian[1, 0] = 3 * element1 - 3 * element2
hessian[1, 1] = 9 * element1 + 9 * element2 return np.linalg.inv(hessian)

下降方法也修改了一下:

    def grad3(self, gradient, alpha, beta, error=1e-5):
"""回溯直线收缩算法 Newton步径
gradient: 梯度需要给出
alpha: 下降的期望值 (0, 0.5)
beta:每次更新的倍率 (0, 1)
error: 梯度的误差限,默认为1e-5
"""
assert hasattr(gradient, "__call__"), \
"Invalid gradient"
assert 0 < alpha < 0.5, \
"alpha should between (0, 0.5), but receive {0}".format(alpha)
assert 0 < beta < 1, \
"beta should between (0, 1), but receive {0}".format(beta)
error = error if error > 0 else 1e-5 def search_t(alpha, beta, grad, hessian_inv):
"""回溯"""
t = 2
t_old = 2
step = grad @ hessian_inv
grad_module = grad @ step
assert grad_module >= 0, "wrong in grad_module"
while True:
newx = self.x + t * step
newy = self.__f(newx)
if newy < self.y - alpha * t * grad_module:
return t_old
else:
t_old = t
t = t_old * beta
while True:
grad = -gradient(self.x)
hessian_inv = hessian(self.x)
t = search_t(alpha, beta, grad, hessian_inv)
x = self.x + t * grad @ hessian_inv
lam = grad @ hessian_inv @ grad
if lam / 2 < error: #判别准则变了
break
else:
self.x = x
self.y = self.__f(self.x)
self.__process.append((self.x, self.y))