24小时热门版块排行榜    

CyRhmU.jpeg
查看: 1169  |  回复: 5

lzxdtc

银虫 (初入文坛)

[求助] 审稿人关于迭代过程中全局最小值的问题~

文章中建立了目标函数并用Levenberg-Marquardt方法进行迭代求解,我给出了一种如何求得较为准确的初值的方法,审稿人问是否有必要采用这种较为准确的方法,是不是我的算法对初值敏感,为什么敏感,如何证明最终得到的是全局最小值。。。
因为我是做测量专业的,提出了一种测量方法,对于最优化问题了解不深。。。所以求助各位高手~~~金币不多~~先谢谢各位了~~
回复此楼
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

gaohao88

铁杆木虫 (著名写手)

【答案】应助回帖

★ ★ ★ ★ ★
感谢参与,应助指数 +1
lzxdtc: 金币+5, ★★★★★最佳答案 2013-07-03 15:18:24
LM算法对初值当然敏感了,因为它是全局搜索能力较弱(或者可以说是局部搜索算法)。至于如何证明最终得到的是全局最小值,可以从你给LM的初始值入手,比方说初始值已经在全局最优解附近,或者你的初始值的多样性得到了保证。这个审稿人对最优化问题比较懂,额呵呵
2楼2013-07-03 13:37:42
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

nono2009

超级版主 (文学泰斗)

No gains, no pains.

优秀区长优秀区长优秀区长优秀区长优秀版主

【答案】应助回帖

★ ★ ★ ★ ★
感谢参与,应助指数 +1
lzxdtc: 金币+5, ★★★很有帮助 2013-07-03 15:18:29
LM算法不是全局优化算法,所以从算法角度不能证明最终得到的是全局最小值。
但是,如果你能证明你研究的优化问题只有一个极小值(例如凸问题),那么结果就是全局最小值。
3楼2013-07-03 15:11:50
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

lzxdtc

银虫 (初入文坛)

引用回帖:
2楼: Originally posted by gaohao88 at 2013-07-03 13:37:42
LM算法对初值当然敏感了,因为它是全局搜索能力较弱(或者可以说是局部搜索算法)。至于如何证明最终得到的是全局最小值,可以从你给LM的初始值入手,比方说初始值已经在全局最优解附近,或者你的初始值的多样性得到 ...

谢谢~由于我只是在解算中用到了这种算法~对于初值只有一个比较模糊的概念,就是越接近最优解越好~我觉得您提出的想法对我非常有帮助~还想继续想您请教一下~我用的这种方法求得的初值就已经很接近全局最优解了,但是应该如何说明呢?也就是说具体的证明是什么呢?(证明目标函数是凸函数是非常困难的)再次感谢~~
4楼2013-07-03 15:17:30
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

lzxdtc

银虫 (初入文坛)

引用回帖:
3楼: Originally posted by nono2009 at 2013-07-03 15:11:50
LM算法不是全局优化算法,所以从算法角度不能证明最终得到的是全局最小值。
但是,如果你能证明你研究的优化问题只有一个极小值(例如凸问题),那么结果就是全局最小值。

证明目标函数是凸函数对于我来说是比较困难的。。。。而且只有两周的修改时间。。。因为文章的主题并不是对于解算方法的讨论,而是提出了一种测量方法,不知道是否可以定性的回答一下呢?
5楼2013-07-03 15:20:55
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

咖啡或茶

木虫 (著名写手)

楼主我也正好想用数学里的最优化算法。能否提供我好的迭代算法解决我这个问题呢?http://muchong.com/bbs/viewthread.php?tid=5503812&page=1
谢谢
6楼2013-07-03 15:31:50
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 lzxdtc 的主题更新
信息提示
请填处理意见