Baixe o app para aproveitar ainda mais
Prévia do material em texto
OTIMIZAÇÃO Métodos de Direção de Busca Método de Newton Ref.: Notas de aula do Prof. R. H. Takahashi Prof. Lenir Jr. - 2013 Definições Importantes Definições Importantes Gradiente Gradiente e Hessiana para 3 variáveis Forma geral para Hessiana Aproximações Quadráticas Suponha-se agora que, conhecendo-se a priori a natureza da função objetivo; Razoável admitir que essa função corresponda, de maneira aproximada, a uma função quadrática, dentro de algum domínio que contenha o ponto de mínimo x*. A aproximação e feita ao redor de um ponto xo, também contido nesse domínio e expressa numa série de Taylor. Aproximações Quadráticas Aproximações Quadráticas Ou seja, se a função a ser otimizada for exatamente quadrática, basta se conhecer o gradiente e a Hessiana em um ponto qualquer xo; Em uma única iteração, então , determinar o ponto de mínimo x*, através da equação (6.14). A equação (6.14) pode ainda ser empregada para produzir estimativas do ponto de mínimo que convergem muito mais rapidamente que aquelas produzidas pelo Algoritmo do Gradiente. Aproximações Quadráticas Aproximações Quadráticas O que isto quer dizer? Conforme Eq. 6.11 Algoritmo de Newton Algoritmo de Newton Funções com forma precisamente quadrática, o algoritmo converge para a solução exata do problema, de maneira não-iterativa, em um único passo. Entretanto a situação geral é: as funções a serem otimizadas, embora em sua maioria sejam duas vezes diferenciáveis, o que é necessário para a aplicabilidade desse método, entretanto na maioria dos casos não serão quadráticas. O Algoritmo de Newton, na formulação apresentada, pode até mesmo não convergir. Algoritmo de Newton Observando os requisitos arrolados entre as hipóteses do teorema da convergência global, verifica-se que o Algoritmo de Newton não satisfaz a exigência de que a iteração deva ser descendente. Ou seja, que o valor da função objetivo necessariamente decresça a cada iteração. Nada garante que o cálculo analítico da solução que seria a exata para um problema quadrático, se aplicado a um problema que não é quadrático, pode levar até mesmo a um aumento no valor da função objetivo. Algoritmo de Newton Exercício: Mostre a execução do algoritmo de busca pelo método de Newton na função: 𝑓 𝑋 = (𝑥1−3) 2 + (𝑥2 − 2) 2 para X0 = [3/4 1/4]’
Compartilhar