Processing math: 0%
跳到主要內容

Newton Can Solve Nonlinear System & Unconstrained Optimization

在計算數學(Computational Mathematics),數值分析(Numerical Analysis)領域裡,介紹在\mathbb{R}^n 上解非線性方程組 (System of Nonlinear Equations) 學術上有名的牛頓法(Newton Method) ,它也是很多最佳化演算法的核心概念

現實問題中,我們通常會想要找一組解 x \in \mathbb{R}^{n}上,使得 f(x) = \vec{0}
其中 f : \mathbb{R}^n \longrightarrow \mathbb{R}^{m}
詳細一點可以寫成一個有 n 個未知數(unknowns) 跟 m 個限制式(constraints)
 \text{Find } x = (x_1,x_2,...,x_n) \in \mathbb{R}^n \quad  \text{such that } \left\{\begin{array}{c}f_1(x_1,x_2,x_3,...,x_n)=0\\f_2(x_1,x_2,x_3,...,x_n)=0\\f_3(x_1,x_2,x_3,...,x_n)=0\\f_4(x_1,x_2,x_3,...,x_n)=0\\...\\f_m(x_1,x_2,x_3,...,x_n)=0\\\end{array}\right.
精確解我們記做 x^{*}

1.如果 f 是線性函數,即為我們熟知的線性聯立方程組 Ax = b 或寫成
\left(\forall i = 1,2,3,...m \quad f_{i}(x) = \sum^{n}_{j=1}a_{ij}x_j  = b_i \right)
線性系統可以用大家熟知高斯消去法(Gauss Elimination),經過有限步驟得到精確解。

2.如果f 是非線性但連續且可微,即  Jacobian Matrix f  存在,則我們可以用牛頓迭代法,
[以下是虛擬碼 (pseudo code)]
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
\text{Given Initial Guess : } x^0 \in \mathbb{R}^n , \quad \text{sufficient small stop criterion : } \epsilon > 0
\text{For }( k=0,1,2,3,... )
\qquad \qquad J_f (x^k) d^k = f(x^k) \quad \text{[Solve Linear System to get }d^k \in \mathbb{R}^n] \qquad
\qquad \qquad x^{k+1} := x^k -d^k \quad \text{[Newton Iteration]}    
\qquad \qquad \text{If }(|| f(x^{k+1}) || < \epsilon ) \quad \text{break and output } x^{k+1} \text{ as solution}
\text{EndFor }
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
其中 x^k 代表第 k 次計算後的結果 !! 
其中 || u || = \sqrt{u_1^2+u_2^2+....+u_n^2} 為歐式距離 (Euclidean distance)
其中 J_fm \times n  Jacobian Matrix (多維空間的微分 f')
J_f =\left[ \begin{array}{cccc}\frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2}  & ... & \frac{\partial f_1}{\partial x_n} \ \\ \frac{\partial  f_2}{\partial x_1}& \frac{\partial f_2 }{\partial x_2}  & ... & \frac{\partial f_2}{\partial x_n}    \\ ... & ... & ... & ... \\ \frac{\partial f_m}{\partial x_1}&  \frac{\partial f_m}{\partial x_2}  & ... &  \frac{\partial f_m }{\partial x_n}  \\ \end{array}\right]   \qquad  \frac{\partial f_i}{\partial x_j}(x) =  \frac{\partial f_i}{\partial x_j}(x_1,x_2,...x_n)  
其中 d^k := \underbrace{J_f^{-1} (x^k)\cdot f(x^k)}_{\text{Matrix-Vector Multiplication}}
但實務上我們是直接解線性聯立方程組。而不會計算 J_f^{-1} ,因為耗時昂貴,只是寫法上好理解。

[一維的例子]
m=1,n = 1 則 Newton Iteration 可以寫成   x^{k+1} := x^k - (f')^{-1}(x^k) f(x^k) = x^{k} - \frac{f(x^{k})}{f'(x^{k})}
注意: 這邊的  (f')^{-1} 指的是"倒數"在分母的意思,不是"反函數"(inverse)的意思


[概念澄清 I]
牛頓法是一種迭代法(Iterative Method) 即我們是製造數列 \{x^k\} 使得 \lim_{k\rightarrow \infty} x^k = x^{*} \quad \text{ s.t } f(x^{*}) = \vec{0} ,我們無法得到精確解,但是我們可以得到無窮靠近的近似解!!有別於高斯消去法的有限步驟得到精確解,直接法(Direct Method)。

[概念澄清II]
由於實際跑演算法,我們無法跑無窮次,而當 x^{k} \rightarrow x^{*}  \overset{f \text{ is continuous}}{\Longrightarrow} f(x^{k}) \longrightarrow \underset{=\vec{0}}{f(x^{*})} \overset{\forall i , f_i(x) \rightarrow 0 }{\Longrightarrow}  ||f(x^{k})|| \rightarrow 0  
所以停止條件設為 || f(x^{k+1}) || < \epsilon ,當你給定的 \epsilon  越小(解的品質要求越精準),則所花的計算時間就會拉長,是一種 TradeOff ,\epsilon 需要依照實際需求而定 !!

[概念澄清III]
起始點的選擇 x_0 \in \mathbb{R}^n 是使用牛頓法的大議題,有時候會"收斂",有時候會"發散",即只有 "Local Convergence",必須分析"收斂域"(哪些 Input x_0 會收斂),但經驗是"收斂域"往往很小!!

[概念澄清 IV]
不同的起始點可能會收斂到不同的解,假如 x^{*}\in \{x\in \mathbb{R}^n : f(x)=\vec{0} \} 有多組解的話


[優點]
理論證明收斂性 Quardratic Convergence , 即當 k 足夠大,存在Constant C s.t ||x^{k+1}- x^{*}|| \leq C ||x^{k}- x^{*}||^2 。以白話來說,假如 C=1,這次得到的 x_kx^{*} 距離差距上界為 10^{-4} 則下一次迭代比較x^{k+1}x^{*}的距離,可以把差距上界縮小成 10^{-8}左右

[進階最佳化應用]
在數值最佳化(Numerical Optimization)領域,即f:\mathbb{R}^{n}\longrightarrow \mathbb{R}
求解無限制式最佳化問題(unconstrained optimization problem) \underset{x \in \mathbb{R}^n}{\text{min}} f(x)
我們也可以使用牛頓法求解 gradient f 方程組,\bigtriangledown f(x) = \vec{0},即白話文來說"極值發生在微分=0",詳細一點可以寫成以下方程組 m = n ,p.s \bigtriangledown f : \mathbb{R}^{n} \longrightarrow \mathbb{R}^{n}
 \text{Find } x \in \mathbb{R}^n \text{ such that }\left\{\begin{array}{c}\frac{\partial f}{\partial x_1}(x)=0\\\frac{\partial f}{\partial x_2}(x)=0\\\frac{\partial f}{\partial x_3}(x)=0\\\frac{\partial f}{\partial x_4}(x)=0\\...\\\frac{\partial f}{\partial x_n}(x)=0\\\end{array}\right.

同理我們可以計算 Jacobian Matrix of \bigtriangledown f ,剛好會變成 n \times n Hessian Matrix of f (Hessian 可以看成廣義的二次微分)

J_{\bigtriangledown f} = H_{f} =  \left[ \begin{array}{cccc}\frac{\partial^2 f}{\partial x^2_1} & \frac{\partial^2 f}{\partial x_1\partial x_2}  & ... & \frac{\partial^2 f}{\partial x_1\partial x_n} \ \\ \frac{\partial^2  f}{\partial x_2\partial x_1}& \frac{\partial^2 f }{ \partial x_2^2}  & ... & \frac{\partial^2 f}{\partial x_2\partial x_n}    \\ ... & ... & ... & ... \\ \frac{\partial^2 f}{\partial x_n \partial x_1}&  \frac{\partial^2 f}{\partial x_n \partial x_2}  & ... &  \frac{\partial^2 f}{\partial x_n^2 }  \\ \end{array}\right]

注意 : \frac{\partial^2  f}{\partial x_j^2} 代表 fx_j 做二次偏微
注意 : 在大多情況下,Hessian 每一項元素(entity)都是連續函數則 Hessian 是對稱矩陣,即 \frac{\partial^2 f}{\partial x_i\partial x_j} = \frac{\partial^2 f}{\partial x_j\partial x_i} \quad \forall i , j ,代表說我們只需要計算上半三角形 \frac{n(n+1)}{2} 項就足夠了 !!

所以 Newton Iteration 可以改寫成
x^{k+1}:= x^{k} - d^{k}
d^{k} := H^{-1}_f(x^{k})\cdot \bigtriangledown f(x^{k})

根據微積分知識我們知道以下事情
\underbrace{\{x \in \mathbb{R}^{n} : \bigtriangledown f(x) = \vec{0} , H_f(x) \succ  0  \}}_{\text{second derivative test}}\subseteq \{x \in \mathbb{R}^{n}: x \text{ is local minima } \} \subseteq \underbrace{\{x \in \mathbb{R}^{n} : \bigtriangledown f(x) = \vec{0} \}}_{\text{first derivative test}}

根據  Second Derivative Test 在求解最佳化問題使用牛頓法我們還需要多檢查收斂的解是否滿足 H_f(x^{k}) \succ  0 ,正定矩陣 (positive definite) ,才能確定是否為 local minima !!  如果 H_f(x^{k}) \prec  0,則為 local maxima, 其他狀況代表收斂到任何可能 local minima , local maxima ,  saddle point


[Implementation 加速相關]
牛頓法是求解非線性方程組,甚至最佳化演算法主要工具,因為它的收斂性很好,但是在計算 Jacobian/Hessian 上非常的昂貴耗時,所以計算數學家後來發展 Quasi Newton Method,例如 BFGS 算法,原理為加入矩陣的 "Initial Guess" 在迭代過程中會漸漸近似到 Jacobian/Hessian 矩陣 ,而在牛頓法每次迭代子程序都會解一個線性聯立方程組 J_f (x^k) d^k = f(x^k),即 Ax=b,在數值線性代數(Numerical Linear Algebra)領域,有許多其他演算法(有別於高斯消去法)可以更有效率解決大型線性系統,如: LU , CG(Conjugate Gradient) , GMRES 等等。

[特殊最佳化與統計應用]
在最小平方法(least square)與非線性迴歸(nonlinear regression),也有 Newton 想法,如 Gauss-Newton , Levenberg-Marquardt 的演算法

[缺點與替代方案]
1. 在解非線性方程組裡 f is vector-valued,牛頓法需要 Jacobian 存在,如果不存在無法使用。此時廣義的割線法(Secant Method)  Broyden method 可以使用
2. 在解最佳化問題時  f is scalar-valued ,牛頓法需要 gradient 存在,而且 Hessian 也要存在。如果 Hessian 不存在,使用大家熟知的 gradient descent !! ,如果連 gradient 都不存在,使用 subgradient !!





[以上純為學術經驗交流知識分享,如有錯誤或建議可留言~~] 
by Plus & Minus 2017.08
                  








留言

這個網誌中的熱門文章

Nash Equilibrium & Best Responce Function (BRF) In Continuous Strategies

經濟學重要的賽局理論( Game Theory )領域,用數學描述人與人之間的理性互動,最重要的就是尋找奈許均衡( Nash equilibrium ), 本篇介紹其數學規劃與非線性方程組!!  假設有 p 名玩家(player i),i=1,2,3,4,5,....p , 正在玩一場遊戲(Game)~~,完全不合作,各自獨立作決策 每個人有決策向量 x_i \in \Omega_i \subseteq R^{n_i} (有n_i個決策變數)  定義長向量: \underbrace{x =  (x_1,x_2,x_3,....x_p)}_{\# \text{ of } \sum^{p}_{i=1}n_i \text{ variables }} \in  \prod^{p}_{i=1} \Omega_i = \Omega 對於每個 player i ,長向量可以寫成 x = (x_i , x_{-i})x_{-i} 代表其他人(不是 player i) 能做的決策向量。 所有人各自作決策後,每個人都會個自的存在報酬效用函數 f_i (x)  \in \mathbb{R}  (報酬函數皆為公開已知資訊) 假設每位玩家是理性人(會極大化自己效用) 即 \forall i = 1,2,3,4....p \qquad  \underset{x_i \in \Omega_i}{\text{max }}f_i(x)   [註: 如果為合作可視為多目標規劃問題( multiobjective ),即 x_1,x_2,...x_p 可以由領導人一起決定] [註: 如果為合作而且把效用加總,即目標式變成 \sum_{i=1}^{p} f_i(x) ,可能對集體效益有更大的幫助,但是如何分配效益給 ( player i )會是個議題,可以查關鍵字 fair optimization ] 我們可以定義每個 player i 的 Best Response Function (BRF) or Best Reponce Set S_i(x_{-i}) \subset \Omega_i $$  S_i(x...

Lattice & Multinomial Theorem

本文介紹格子點(Lattice) 幾何意義與多項式定理(Mutinomial Theorem) 的關係,並可協助我們理解計算一些機率問題。 [符號定義] 非負整數 / 非負實數:  \mathbb{Z}_{\geq 0} := \{0,1,2,3,4,......\}  \subseteq [0,\infty) =: \mathbb{R}_{\geq 0} 離散機率向量:  p_{I} := (p_{i})_{i \in I} \text{ s.t } \sum_{i\in I}p_i =1 ,|I|<\infty  發生事件 i \in I 的累積次數向量: k_{I} := (k_i)_{i \in I} \in \mathbb{Z}^{|I|}_{\geq 0} \mathbb{Z}^{|I|}_{\geq 0} 就是 |I| 維格子點 !! [格子點情境] 出發點定義為 k^{start}_{I}:= \overbrace{(0,0...,0)}^{|I|},今發生一次 p_{I} 分布隨機互斥事件,等價於"點的移動"(state transition),數學定義如下:   \text{Event } i  \text{ happens }  \Longleftrightarrow  \overbrace{(\color{red}{k_i},k_{-i})}^{k^{old}_{I}}  \underset{\text{with probability }p_{i}}{\longrightarrow}   \overbrace{(\color{red}{k_i+1},k_{-i})}^{ k^{new}_{I}}    PS1: 其中  k_{-i} := (k_{i'})_{i' \in I-\{i\}} PS2: 不管怎麼走都在第一象限,也就是只能往右,往上,往高.... 當發生 n 次獨立同分布 p_{I} (iid) 的事件後,所有可能點位置在以下的集合上 $$  S_{n}(\col...

Linear Regression By Using Linear Programming

當拿到一筆資料準備玩統計,往往會想要做線性迴歸( Linear Regression ),找出一個模型( mathematical model )來解釋變數間的關係,一般都是使用平方距離,但是如果我們採用絕對值距離呢?? 而剛好在工業工程( Industrial Engineering ),作業研究( Operation Research ) 領域,發展成熟的線性規劃( Linear Programming ) 恰好可以來解決,是一個跨領域的應用 !! 已經存在有許多商業或open source 軟體,如: Gurobi , Cplex , Xpress , Mosek , SCIP  可以輕易求解大型的線性規劃問題。而不僅如此也可以利用整數規劃( Integer Programming )來做特徵選擇 ( Feature Selection ),甚至可以偵測離群值( Detect Outlier ) !! 本文只介紹最小絕對值和,關於 Feature Selection , Detect Outlier 可以參考 Mixed-Integer Linear Programming Robust Regression with Feature Selection , Oleksii Omelchenko , 2010 的論文。 [Data Fitting Problem] 給定n筆實數型訓練資料 (training data) \{(x^{k},y^{k})\}^{n}_{k=1} = \mathcal{D} , x^{k} =(x^{k}_1,x^{k}_2, ... , x^{k}_{p})\in \mathbb{R}^{p} , y^{k} \in \mathbb{R} , 我們目標是想要找到一個函數 f_{\mathcal{D}} : \mathbb{R}^p \rightarrow \mathbb{R} 使得  \forall x \in \mathbb{R}^{p} , f_{\mathcal{D}}(x) \approx y , 精確來說: $$ \text{Find } f_{\mathcal{D}} \text{ such that } f_{\mathcal{D}}(x)\...