02 ricardo coronado leija
TRANSCRIPT
5/11/2018 02 Ricardo Coronado Leija - slidepdf.com
http://slidepdf.com/reader/full/02-ricardo-coronado-leija 1/3
Método de DoglegOptimización Tarea 2
Ricardo Coronado Leija
Maestría en Ciencias de la Computación y Matemáticas Industriales
Centro de Investigación en Matemáticas
Guanajuato, Guanajuato
Abstract — Ajuste de un señal por medio de suma de Gaussianas
(Funciones de base Radial) utilizando Métodos de Región de
Confianza en Particular el Método de Dogleg por medio de una
aproximación por medio de un modelo cuadrático
I NTRODUCCION
En este trabajo se implementó el Método de Dogleg paraminimizar una función que resulta de una suma de diferenciascuadradas entre una señal y una suma de Funciones de BaseRadial Gaussianas, con el objetivo de aproximar la señal por medio de estas.
En las siguientes secciones se describe el procedimiento ylos resultados.
A. Problema
El objetivo del este trabajo es minimizar la siguientefunción:
utilizando el Método de Dogleg.
B. Metodo de Dogleg
En el método de región de confianza el primer paso es
encontrar el pk que minimice el siguiente modelo cuadrático
mk :
el Método de Dogleg realiza esto analizando varias
alternativas para el paso pk tratando de seleccionar la mejor. Elalgoritmo es el siguiente:
si k
U p ∆≥ entonces k U
U
k p
p p ∆←
sino k k
B g B p 1−←
si k
B p ∆≤ entonces
B
k p p ←
sino ( )U BU
k p p p p −+= τ
donde τ se obtiene resolviendo:
el pk obtenido de este algoritmo es el paso para ir minimizandola función y es el que será evaluado en el algoritmo de región
de confianza para ver si se aumenta o disminuye el radio de
esta región.
C. Metodo de Región de Confianza
Habiendo obtenido el tamaño del paso pk se analiza de
acuerdo a este si es prudente aumentar, disminuir o dejar igual
el tamaño del radio de la región, para ello se calcula la
relación:
y a partir del valor de esta se toma una decisión. El algoritmo
de región de confianza queda:
Dado
Para k = 0, 1, 2, 3,…..
Obtener pk que minimiza mk
Evaluar ρ k
Si ρ k < ¼
sino
si
entonces
sino
si entonces
sino
( ) ∆≤+∇+=∈
p p B p p f f pm k
T T
k k k R p n
s.a. 2
1min
g Bg g
g g p
T
T U
−=
( ) 22
∆=−+U B
U p p p τ
( ) ( )( ) ( )
k k k
k k k k
pmm
p x f x f
−
+−=
0 ρ
( ) [ )4/1,0,,0,0 0 ∈∆∈∆>∆ η
k k p4
11 =∆
+
k k k p ∆=> y4/3 ρ
( )∆∆=∆+
,2min1 k k
k k ∆=∆+ 1
η ρ >k k k k p x x +=+ 1
k k x x =+ 1
5/11/2018 02 Ricardo Coronado Leija - slidepdf.com
http://slidepdf.com/reader/full/02-ricardo-coronado-leija 2/3
IMPLEMENTACION
Para el manejo de matrices y vectores, incluyendo las
operaciones fundamentales, se utilizaron un conjunto de
funciones creadas en la material de Algebra Lineal Numérica,
las cuales se encuentran en FuncionesALN.cpp. Para calcular
el gradiente y la hessiana se aproximaron mediante diferencias
finitas, las funciones de región de confianza y método dogleg
se encuentran en T_2.cpp, donde también está el main. D. Detalles del uso del programa
Ya que para la realizar el programa se utilizó devcpp enwindows, se creó un proyecto .dev que agrupa T_2.cpp,FuncionesALN.h y FuncionesALN.cpp. Al correr el programase muestran los valores iniciales de Bk y C k y cuando acabe deejecutarse se mostraran los valores Bk y C k calculados. Tambiénse crea un archivo puntos.r para graficar los las funcionesgaussianas y la suma de estas en el programa R.
RESULTADOS
A continuación mostramos los resultados del programautilizando los 3 diferentes conjuntos de datos de prueba dadosen la página de la ayudantía:
E. Datos 1
Para los datos de prueba 1, se obtuvieron el siguiente valor
para las constantes Bk y C k :
Iteraciones: 165
Constantes Bk Finales
Vector:
0.999718 0.994088 1.00142 1.00474 1.00004
Constantes Ck Finales
Vector:
19.9958 46.9618 77.9874 58.9383 111.999
Las gráficas de las gaussianas separadas se muestran en la
Figura 1 a), y la suma de estas se muestra en la Figura 1 b).
a) b)Figura 1: Graficas de los resultados para los datos 1
F. Datos 2
Para los datos de prueba 2, se obtuvieron el siguiente valor
para las constantes Bk y C k :
Iteraciones: 12477
Constantes Bk Finales
Vector:
0.267168 0.0242144 0.12238 0.414581
0.171316
Constantes Ck Finales
Vector:
78.0341 20.1243 46.9937 112.003 59.1229
Las gráfica de la suma de las funciones gaussianas se muestraen la Figura 2.
Figura 2
G. Datos 3
Para los datos de prueba 3, se obtuvieron el siguiente valor para las constantes Bk y C k :
Iteraciones: 1000
Constantes Bk Finales
Vector:
0.969147 1.00611 1.00964 1.02026 0.996721
Constantes Ck Finales
Vector:
78.1519 47.0681 111.897 59.2003 20.2603
Las gráficas de las gaussianas separadas se muestran en la
Figura 3 a), y la suma de estas se muestra en la Figura 3 b).
a) b)
Figura 3: Graficas de los resultados para los datos 3
CONCLUSIONES
Se pudo observar en las gráficas que las aproximaciones delas funciones radiales a las señales fueron bastante buenas, por lo que si se minimiza la función y el tiempo de ejecución fue
bueno tomando en cuenta que se trata de un problema de 10dimensiones.
[1] J. Nocedal and S. J. Wright, “Numerical Optimization”, Springer, 2006. pp.65–73.