Professional Documents
Culture Documents
Regla de Armijo
(8.1)
Esto garantiza un descenso suciente del valor de f , y que t no sea muy grande.
Para jar ideas de la regla de Armijo, considere la desigualdad anterior para m = 0, es
decir, con tama
no de paso s,
f (xk + sdk ) f (xk ) + sf (xk ), dk .
Si la anterior desigualdad es satisfecha, tomamos xk+1 = xk + sdk , caso contrario, tomamos
el paso s y consideramos la desigualdad
f (xk + sdk ) f (xk ) + sf (xk ), dk .
Si esta desigualdad es cierta, entonces tomamos xk+1 = xk + sdk , etc. Este regla es muy
practica, sin embargo necesitamos probar que las iteraciones se detienen en alg
un momento.
on continuamente diferenciable y sea dk Rn \{0}
Lemma 8.4. Sea f : Rn R una funci
una direcci
on de descenso de f en el punto xk Rn . Entonces la regla de Armijo esta bien
definido y termina con un tk > 0.
Demostraci
on. Supongamos que las iteraciones en el calculo de tk no terminan. Si m es grande,
entonces t = m s es peque
no y ademas se tiene la desigualdad
f (xk + tdk ) > f (xk ) + tf (xk ), dk .
Como f es diferenciable, tenemos que
f (xk + tdk ) = f (xk ) + tf (xk ), dk + o(t),
o(t)
< 0.
t
Algoritmo:
Elegir t > 0, , (0, 1). Tomar t = t y k = 0.
While f (xk + tdk ) > f (xk ) + tf (xk ), dk
t = tt
return tk = t.
Observaci
on 8.7. Si tomamos dk = f (xk ), la condici
on de Armijo tiene la forma
f (xk + tdk ) f (xk ) tf (xk )2 .
on continuamente diferenciable, con gradiente
Ejercicio 8.1. Sea f : Rn R una funci
Lipschitz continua y m
odulo L > 0. Si dk es una direcci
on de descenso en xk , probar que la
desigualdad (8.1) es v
alida para todo t (0, tk ], donde
2(1 )f (xk ), dk
tk =
> 0.
Ldk 2
8.2.5.
Regla de Goldstein
(8.2)
Regla de Wolfe
Fijemos dos constantes c1 , c2 tal que 0 < c1 < c2 < 1. Elegir tk tal que
f (xk + tk dk ) f (xk ) + c1 tk f (xk ), dk ,
f (xk + tdk ), dk c2 f (xk ), dk .
(8.3)
(8.4)
(8.5)
32