一流的最优性是一种近距离的衡量标准GydF4y2BaXGydF4y2Ba是最优的。大多数最优化工具箱™求解器都使用这个度量,尽管它对不同的算法有不同的定义。一阶最优性是一个必要条件,但不是充分条件。换句话说:GydF4y2Ba
一阶最优测度在最小值处必须为零。GydF4y2Ba
具有等于零的一级最优性的点不一定是最小的。GydF4y2Ba
有关一阶最优性的一般信息,请参阅Nocedal和WrightGydF4y2Ba[31]GydF4y2Ba.有关最优化工具箱求解器的一阶优化度量的详细信息,请参见GydF4y2Ba无约束最优GydF4y2Ba那GydF4y2Ba受限的最优理论GydF4y2Ba,GydF4y2Ba求解器形式的受限最优性GydF4y2Ba.GydF4y2Ba
这GydF4y2Ba最优法GydF4y2Ba
耐受性涉及一阶的最优性措施。通常,如果一阶的最优性度量小于GydF4y2Ba最优法GydF4y2Ba
,求解器迭代结束。GydF4y2Ba
一些求解器或算法使用GydF4y2Ba相对的GydF4y2Ba一流的最优性作为停止标准。如果一阶的最优性测量小于,则求解器迭代结束GydF4y2BaμGydF4y2Ba次GydF4y2Ba最优法GydF4y2Ba
, 在哪里GydF4y2BaμGydF4y2Ba或者是:GydF4y2Ba
目标函数的梯度的无穷范数(极大值)GydF4y2BaX0.GydF4y2Ba
对求解器的输入的无限常量(最大值),例如GydF4y2BaFGydF4y2Ba
或GydF4y2BaB.GydF4y2Ba
在GydF4y2BalinprogGydF4y2Ba
或GydF4y2BaHGydF4y2Ba
在GydF4y2BaquadprogGydF4y2Ba
相对措施试图考虑问题的规模。将客观函数乘以非常大或少数不会改变相对停止标准的停止条件,但确实将其改为未划分的条件。GydF4y2Ba
求助于GydF4y2Ba增强退出消息GydF4y2Ba状态,在停止准则细节中,当它们使用相对一阶最优时。GydF4y2Ba
对于一个顺利的无约束问题,GydF4y2Ba
一阶的最优测量是无限常态(意味着最大绝对值)GydF4y2Ba∇GydF4y2BaFGydF4y2Ba(GydF4y2BaXGydF4y2Ba)GydF4y2Ba,这是:GydF4y2Ba
最优性的度量是基于平滑函数达到最小值的熟悉条件:它的梯度必须为零。对于无约束问题,当一阶最优测度接近零时,目标函数的梯度接近零,因此目标函数可以接近最小值。如果一阶最优测度不小,则目标函数不极小。GydF4y2Ba
本节总结了约束问题的一阶最优测度定义背后的理论。在最优化工具箱函数中使用的定义在GydF4y2Ba求解器形式的受限最优性GydF4y2Ba.GydF4y2Ba
对于平滑约束的问题,让GydF4y2BaGGydF4y2Ba和GydF4y2BaHGydF4y2Ba是表示所有不等式和平等约束的矢量函数(意义绑定,线性和非线性约束):GydF4y2Ba
在这种情况下,在这种情况下,一流的最优性的含义比无拘无束的问题更复杂。定义是基于GydF4y2BaKarush-Kuhn-Tucker(马)条件。KKT条件类似于梯度必须在最小值为零的条件,考虑到约束条件进行了修改。不同之处在于KKT条件对于约束问题是成立的。GydF4y2Ba
KKT条件使用辅助GydF4y2Ba拉格朗日功能:GydF4y2Ba
(1)GydF4y2Ba |
KKT条件是:GydF4y2Ba
(2)GydF4y2Ba |
(3)GydF4y2Ba |
(4)GydF4y2Ba |
与之相关的最优性措施GydF4y2Ba方程2GydF4y2Ba是GydF4y2Ba
(5)GydF4y2Ba |
(6)GydF4y2Ba |
组合的最优性测量是计算的最大值GydF4y2Ba方程5GydF4y2Ba和GydF4y2Ba方程6GydF4y2Ba.接受非线性约束函数报告约束违规的求解器GydF4y2BaGGydF4y2Ba(GydF4y2BaXGydF4y2Ba)> 0.GydF4y2Ba或GydF4y2Ba|GydF4y2BaHGydF4y2Ba(GydF4y2BaXGydF4y2Ba)|> 0GydF4y2Ba作为GydF4y2Ba约束特许GydF4y2Ba
违规行为。看GydF4y2Ba公差和停止标准GydF4y2Ba.GydF4y2Ba
大多数约束的工具箱求解器将它们的一级最优性测量分开到边界,线性函数和非线性函数。该措施是以下两个规范的最大值,其对应于GydF4y2Ba方程5GydF4y2Ba和GydF4y2Ba方程6GydF4y2Ba:GydF4y2Ba
(7)GydF4y2Ba |
(8)GydF4y2Ba |
向量的范数在哪里GydF4y2Ba方程7GydF4y2Ba和GydF4y2Ba方程8GydF4y2BaInfinity Norm(最大值)。拉格朗日乘法器上的下标对应于求解器拉格朗日乘法器结构。看GydF4y2Ba拉格朗日乘法器结构GydF4y2Ba.求和GydF4y2Ba方程7GydF4y2Ba范围超过所有约束。如果绑定为±GydF4y2Ba正GydF4y2Ba
,该术语不受限制,因此它不是求和的一部分。GydF4y2Ba
对于一些只有线性等式的大规模问题,一阶最优测度是其无穷范数GydF4y2Ba预计GydF4y2Ba梯度。换句话说,一阶最优测度是投影到零空间上的梯度的大小GydF4y2BaAEQ.GydF4y2Ba
.GydF4y2Ba
对于最小二乘求解器和信任区域反射算法,在单独界限的问题中,一阶最优测量是最大的GydF4y2Ba一世GydF4y2Ba的GydF4y2Ba|GydF4y2BaV.GydF4y2Ba一世GydF4y2Ba*GydF4y2BaGGydF4y2Ba一世GydF4y2Ba|GydF4y2Ba.这里GydF4y2BaGGydF4y2Ba一世GydF4y2Ba是GydF4y2Ba一世GydF4y2Ba梯度的第Th分量,GydF4y2BaXGydF4y2Ba是目前的点,还是GydF4y2Ba
如果GydF4y2BaXGydF4y2Ba一世GydF4y2Ba是束缚,GydF4y2BaV.GydF4y2Ba一世GydF4y2Ba是零。如果GydF4y2BaXGydF4y2Ba一世GydF4y2Ba不是在一个边界处,那么在一个极小化点处的梯度GydF4y2BaGGydF4y2Ba一世GydF4y2Ba应该为零。因此,一流的最优性测量值应在最小化点处为零。GydF4y2Ba