Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Metodi di minimizzazione di funzioni senza l'uso di derivate

Una trattazione sui metodi di minimizzazione di funzioni in R^n con particolare riguardo a quelli (Pattern Methods) non facenti uso di approssimazioni della derivata. Di questi ultimi ne verranno illustrati funzionamento e scrittura algoritmica e ne verrà data una rigorosa dimostrazione di convergenza.

Mostra/Nascondi contenuto.
Introduzione Scopo di questa trattazione sara` effettuare una panoramica sui possibili meto- di di minimizzazione di una funzione da Rn in R, analizzandoli caso per caso, cioe` distinguendoli l’uno dall’altro per gli strumenti matematici di cui essi fanno uso. L’idea di costruire metodi di questo tipo ci viene da necessita` pratiche ben precise e abbiamo considerato opportuno non svincolare la definizione di un particolare metodo dalla caratterizzazione del problema che esso va a risol- vere, essendo stato, l’algoritmo, definito nei suoi tratti principali proprio in considerazione delle caratteristiche della funzione su cui doveva essere appli- cato. Vedremo innanzi tutto il caso unidimensionale, che verra` trattato a parte poiche` le semplificazioni derivanti dalla presenza di una sola variabile ren- dono opportuna la definizione di metodi esclusivi che non avrebbe senso ricondurre al caso generale. Nei capitoli successivi tratteremo invece il problema n-dimensionale, man- tenendo come filo conduttore il partire dalla funzione studiandone le carat- teristiche e su di esse, cercando di sfruttarle al meglio, costruire un metodo iterativo convergente al minimo della funzione. Ci occuperemo di minimizzare una funzione continua e differenziabile tale che il campionamento della funzione stessa o del suo gradiente nel punto non siano gravosi dal punto di vista computazionale. Faremo l’esempio di metodi che sfrutteranno queste fortunate proprieta`, e che ci serviranno a confronto di quelli che definiremo in seguito quando alcune di queste ipotesi verranno a mancare. Nel Capitolo 3 infatti considereremo una generica funzione da Rn in R le cui derivate siano particolarmente pesanti da computare, e su di essa costruire- mo un metodo che pur non potendo piu` sfruttare informazioni sulle derivate (prima decisive nella scelta della direzione di decrescenza della funzione) con- vergera` al minimo ed estenderemo poi il discorso al caso di una funzione meno regolare. Per meglio chiarire come nella pratica si svolga l’iterare dell’algoritmo, la 2

Laurea liv.I

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Giovanni Giorgi Contatta »

Composta da 52 pagine.

 

Questa tesi ha raggiunto 500 click dal 04/03/2009.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.