Шаг
Определяем в начальной точке проекции градиента

4) 
По направлению антигр.
построим плоскость П2, перпендикулярную горизонтальной плоскости
. Это плоскость пройдет через точку А0 и пересчет экстремальную поверхность
по экстремальной линии 
Уравнение этой линии с учетом выражения (2) (ибо вдоль неё мы и должны сделать 1-ую итерацию) имеет вид
где
пока неизвестно. Понятно, что раз мы ищем минимум, то перед
в (2) мы должны брать знак минус.
Выбираем
оптимальным т.е. таким, чтобы переместится из точки А0 в минимум экстремальной кривой т.е. в точку А1 за один шаг. Для этого найдем
из выражения

И так 

После этого найдем координаты экстремума рассматриваемой кривой т.е. координаты точки А1, по формуле (2)


Это сделана одна итерация
2 шаг Принимаем точку А1
за начальную и все повторим


По направлению антиградиента
строим вертикальную площадь П2, которая пересечет горизонтальную площадь
по линии L2, а экстремум поверхность
по экстремальной линии, уравнение которой запишем
или
или

Найдем оптимальное значение 

Тогда координаты экстремальной точки А2 в плоскости П2 по формуле (2) будут


3 шаг Принимаем точку А2
за начальную и проводимую 3-ую итерацию и т.д.
Этот алгоритм сходится за бесконечное число шагов. Однако, поскольку точность расчетов, т.е. точность поиска экстремума на практике известна в каждом конкретном случае, т.е. точность поиска экстремума на практике известна в каждом конкретном случае, то число шагов конечно.
Точность, как и в методе Гаусса Зейделя, можно задаваться по величине самой функции
или по координатам.
Нанесем на наш чертеж рис. 1
|
|
рис. 1
линии равного уровня. Поскольку в нашем случае
- квадратичная функция (сепарабельная), то оси фигур линии равного уровня (т.е. главные оси эллипсов) будут параллельны осям координат.
Мы уже знакомы с методом «Г-З», поэтому нас не должен удивлять тот факт, что частные экстремумы, т.е. точки А1, А2 и т.д. расположены в точках касания направлений градиентов L1, L2 с линией равного уравнения. Но что характерно для метода наискорейшего спуска, так тот факт, что если
выбираются оптимальным образом, то углы между L1 и L2, L2 и L3 и т.д. получаются прямыми. Отметим, что это только в случае, когда
выбрано оптимальным. Возникает вопрос нельзя ли формализовать метод наискорейшего спуска, хотя бы для квадратичных функций? Оказывается можно.
Пусть задано уравнение поверхности 220порядка в общем виде.

Проекции градиента на координате оси легко получить:


Возьмем произвольные направления
- не обязательно на градиенту и запишем уравнение параболы, получающейся в сечении поверхности
вертикальной плоскостью, проходящей по направлению
(как в разобранном примере, только там
было направлением градиента).


Раскроем скобки, сделаем приведение подобных и из уравнения
, найдем оптимальное значение
.

или, с учетом (3) и (4) перепишем это выражение в матричной форме.


Получим выражение для оптимальности
по произвольному направлению
. Если же за направление
взять напрвлеие градиента (антиградиента), то получится:

Это для n=2.
Для многомерного случая:

Метод наискорейшего спуска имеет ряд модификаций, например
задается в виде некоторого ряда и его не надо.
Для квадратичных функций сепарабельной и несепарабельной можно записать формулу

- проекции градиента;
- направления.
Н – матрица Гесса.
Для поиска маке /При поиске min знак –заменяем на +/
для n =2
для любых n
Пример.













