الگوریتم لونبرگ-مارکوارت
الگوریتم لونبرگ-مارکوارت روشی است برای یافتن کمینه یک تابع غیر خطی چند متغیره که به عنوان یک روش استاندارد برای حل مسئله کمینه مربعات برای توابع غیرخطی درآمده است.
الگوریتم لونبرگ-مارکوارت (LMA) بین الگوریتم گاوس-نیوتون (GNA) و روش گرادیان کاهشی درونیابی میکند. LMA از GNA مقاومتر است، که یعنی در بسیاری مواقع، حتی اگر بسیار دورتر از کمینه نهایی شروع کرده باشد، جوابی را پیدا میکند. از دیگر سو، برای تابعهای خوشرفتار و پارامترهای آغازین معقول، LMA کمی کندتر از GNA است. LMA پرطرفدارترین الگوریتم برازش خم است و کاربران کمی ممکن است به روشهای دیگر برازش خم نیاز پیدا کنند.
مسئله
- و
مسئله کمترین مربعات شامل جستن بردار پارامترهای
کمینه میشود.
کاربرد اصلی در مسئله برازش خم کمترین مربعات است: مجموعهای از جفتهای تجربی داده به فرم
کمینه گردد.
(صحبتی دربارهٔ نمادگذاری: ما از حرف
راه حل
مانند سایر الگوریتمهای کمینهسازی عددی، الگوریتم لونبرگ-مارکارد یک رویه تکراری است. برای شروع کمینهسازی، کاربر باید یک حدس آغازین برای بردار
در هر گام تکرار، بردار
تخمین زده میشوند که
در یک کمینه مجموع مربعات
که
ضریب میرایی نامنفی
اگر یک طول قدم بازیابی شده یا کاهش مجموع مربعات برای آخرین مجموعه پارامترهای
منابع
- ↑ H.D. Mittelmann. The Least Squares Problem. [web page] http://plato.asu.edu/topics/problems/nlolsq.html بایگانیشده در ۱۵ دسامبر ۲۰۰۵ توسط Wayback Machine, Jul. 2004. [Accessed on 4 Aug. 2004.]