最优化反演(optimization inversion):对非线性反演问题中的误差泛函求解极小化问题时,为了保证问题的收敛或求解过程稳定,以及提高收敛速度,需对迭代步长和方向作出引导,称优化。常规的优化方法一般需要计算一阶梯度,如最速下降法、共轭梯度法、变尺度法等,有些也需计算二阶梯度,如牛顿法。由于计一算梯度值仍需对描述正问题的数学模型线性化,所以这种最优化反演依赖初始值的选取,在梯度导引下到达一个局部极小。非线性优化算法本身无法判断此极小是否就是反问题的解。[1]
笑话军事旅游美容女性百态母婴家电游戏互联网财经美女干货家饰健康探索资源娱乐学院 数码美食景区养生手机购车首饰美妆装修情感篇厨房科普动物植物编程百科知道汽车珠宝 健康评测品位娱乐居家情感星座服饰美体奢侈品美容达人亲子图库折扣生活美食花嫁风景 | 首页 |
最优化反演(optimization inversion):对非线性反演问题中的误差泛函求解极小化问题时,为了保证问题的收敛或求解过程稳定,以及提高收敛速度,需对迭代步长和方向作出引导,称优化。常规的优化方法一般需要计算一阶梯度,如最速下降法、共轭梯度法、变尺度法等,有些也需计算二阶梯度,如牛顿法。由于计一算梯度值仍需对描述正问题的数学模型线性化,所以这种最优化反演依赖初始值的选取,在梯度导引下到达一个局部极小。非线性优化算法本身无法判断此极小是否就是反问题的解。[1]