Levenberg-Maquardt Algorithm 推导

2019-01-06 本文已影响0人 MadCoder

前置知识

1. 牛顿法

作用：1. 求根 2.求极值

求根

目标: 求解 $f(y)=0$ 的根

计算穿过初始点 $(x_0,f(x_0))$ 并且斜率为 $f'(x)$ 的直线与x轴的交点可得

$0=(x-x_0)f'(x_0)+f(x_0)$

迭代公式： $x_{n+1}=x_n-\frac{f(x_n)}{f'(x_{n})}$
求解一维无约束最小值

目标: 求解 $min f(x) , x\in R$ 的根

牛顿法也可用来求解函数的极值。极值点是导数为0，可用牛顿法求导数的零点。

$f(x+\Delta)$ 的二阶泰勒展开为 $f(x+\Delta)=f(x)+f'(x)\Delta+\frac{1}{2}f''(x)\Delta^2$

求解 $\frac{\partial f(x+\Delta)}{ \partial \Delta}=0$

可得 $f'(x)+f''(x)\Delta=0$
$\Delta=-\frac{f'(x_n)}{f''(x_{n})}$

迭代公式： $x_{n+1}=x_n-\frac{f'(x_n)}{f''(x_{n})}$
求解高维无约束最小值

高维情况下泰勒二阶展开为

$f(\mathbf x+\mathbf \Delta)=f(\mathbf x)+\nabla f(\mathbf x)\Delta+\frac{1}{2}\Delta ^TH(f(\mathbf x))\Delta$

因此迭代公式： $x_{n+1}=x_n-[H(f(x_n))]^{-1}\nabla f(x)$

优点

牛顿法是二阶收敛，比一般梯度下降法更快收敛，特别是当初始点距离目标足够靠近。

缺点

应用求极值的时候需要目标函数二次可微，而梯度下降法只需要可微
需要 $Hessian$ 矩阵正定，遇到 $f$ 的极值点，或者初始点距离目标远时候可能无法收敛
每次迭代需要求 $Hessian$ 的逆矩阵，运算量非常大

2. 高斯-牛顿法

作用：降低牛顿法的计算量，提高计算效率

最小二乘法问题

对于向量函数 ${\bf f}:R^m\to R^n,m\ge n$

最小化 $||f(x)||$ 或者找到 $x^*=argmin_x\{F(x)\}$

这里 $F(x)=\frac{1}{2}\sum_{i=1}^m(f_i(x))^2=\frac{1}{2}{\bf f}({\bf x})^T{\bf f}({\bf x})$

牛顿法推导

已知牛顿法迭代公式： $x_{n+1}=x_n-[H(f(x_n))]^{-1}\nabla f(x)$

$F(x)$ 的梯度 $\nabla F(x)=\begin{bmatrix}\frac{\partial (\frac{1}{2}\sum_{i=1}^m(f_i(x))^2)}{\partial x_1}\\\vdots\\\frac{\partial (\frac{1}{2}\sum_{i=1}^m(f_i(x))^2)}{\partial x_n}\end{bmatrix}=\begin{bmatrix}\sum_{i=1}^{m}f_i\frac{\partial f_i}{\partial x_1}\\\vdots\\\sum_{i=1}^{m}f_i\frac{\partial f_i}{\partial x_n} \end{bmatrix}= \begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \cdots & \frac{\partial f_1}{\partial x_n} \\ \vdots & \ddots & \vdots \\ \frac{\partial f_m}{\partial x_1} & \cdots & \frac{\partial f_m}{\partial x_n} \end{bmatrix}^T\begin{bmatrix}f_1 \\ \vdots \\ f_m \end{bmatrix}$

即 $\nabla F(x)=J_f^Tf$

$Hessian$ 矩阵有 $H_{jk}=\sum_{i=1}^m(\frac{\partial f_i}{\partial x_j}\frac{\partial f_i}{\partial x_k}+f_i\frac{\partial ^2f_i}{\partial x_j\partial x_k})$

忽略二阶导数项有： $H_{jk}\approx \sum_{i=1}^mJ_{ij}J_{ik}$

所以： $H\approx J_f^TJ_f$

高斯-牛顿迭代公式： $x_{n+1}=x_n-[J_f^TJ_f]^{-1}J_f^Tf(x_n)$ $s.t. |\frac{\partial f_i}{\partial x_j}\frac{\partial f_i}{\partial x_k}|\gg |f_i\frac{\partial ^2f_i}{\partial x_j\partial x_k}|$

优点

$J_f$ 满秩，此时二次项 $|f_i\frac{\partial ^2f_i}{\partial x_j\partial x_k}|$ 可以忽略，高斯牛顿和牛顿法都会收敛
无需计算 $Hessian$ 矩阵

缺点

若 $|fi|$ 或 $|f_i\frac{\partial ^2f_i}{\partial x_j\partial x_k}|$ 比较大，会导致难以忽略该二次项，高斯牛顿法的收敛速度会很慢，甚至无法收敛。

Levenberg-Maquardt 算法

根据目标函数 $F(x)$ 二阶近似得到：

$F(x+h)\approx F( x)+\nabla F(x)h+\frac{1}{2}h^TH_Fh\approx F( x)+J_f^Tfh+\frac{1}{2}h^TJ_f^TJ_fh$

我们定义下降方向为 $L(h)$

$L(h)\equiv F( x)+J_f^Tfh+\frac{1}{2}h^TJ_f^TJ_fh$ $S.T. h = x_{n+1} - x_n= \Delta $

高斯牛顿法迭代公式：
$x_{n+1}=x_n-[J_f^TJ_f]^{-1}J_f^Tf(x_n)$

LM迭代公式： $x_{n+1}=x_n-[J_f^TJ_f+\mu I]^{-1}J_f^Tf(x_n)$
or
$[J_f^TJ_f+\mu I]h=-J_f^Tf(x_n)$

作用：结合了高斯牛顿法与梯度下降法的特点，引入阻尼因子来调节算法特性。

因子作用：

当 $\mu\gt 0$ 时保证系数矩阵正定，从而确保迭代的下降方向
当 $\mu$ 很大时，退化为梯度下降法： $x_{n+1}=x_n-\frac{1}{\mu}J_f^Tf(x_n)$
当 $\mu$ 很小时，退化为高斯牛顿法： $x_{n+1}=x_n-[J_f^TJ_f]^{-1}J_f^Tf(x_n)$

$\mu$ 的计算

初始取值： $\mu$ 的初始值 $\mu_0$ 与 $J(x_0)^TJ(x_0)$ 矩阵的元素个数有关：

$\mu_0=\tau*max_i\{a_{ii}^{(0)}\}$
更新：由系数 $\varrho$ 来控制，这里：

$\varrho=\frac{F(x)-F(x+h)}{L(0)-L(h)}$

分子的目标函数在步长 $h$ 下的实际变化，分母为目标函数二阶近似的变化：

$L(0)-L(h)=(F(x))-(F(x)+h^TJ^Tf+\frac{1}{2}h^TJ^TJh)=-h^TJ^Tf-\frac{1}{2}h^TJ^TJh$

可以看出
- $\varrho$ 越大，表明 $L$ 对 $F$ 的效果越好，可以缩小 $\mu$ 以使得 $LM$ 算法接近高斯牛顿法
- $\varrho$ 越小，表明 $L$ 对 $F$ 的效果越差，所以增大 $\mu$ 以使得 $LM$ 算法接近梯度下降法并减少步长 $h$