Поскольку
положительно определена, то это чрезвычайно малый шаг в направлении уменьшения целевой функции. Достаточно большая величина
всегда приведет к тому, что шаг окажется допустимым. С другой стороны, если
очень мало, то приближается к направлению
в методе Ньютона.
Марквардт в 1963 г. предложил следующий алгоритм выбора
:
1) если
то для начала положить, например,
;
2) при выполнении
итерации вычислить
3) если
принять
и заменить
на
, где
малое положительное число, скажем
4) если
заменить
на
и перейти к операции 2. При невыполнении последнего условия произвести интерполяцию, т. е. найти значение
достаточно малое для того, чтобы обеспечить
(см. раздел 5.14). Принять
В рассмотренном алгоритме может потребоваться вычисление
для нескольких значений
на одной итерации. Этого можно избежать при замене операции
на следующую:
4) найти значение
достаточно малое для того, чтобы обеспечить
(см. раздел 5.14). Принять
Заменить
на
.
Еще один метод выбора
описан в работе Смита и Шенно [178].
Вычисление
может быть выполнено одним из двух способов.
(а) Решить систему линейных уравнений
Если на каждой итерации должны быть проведены расчеты при нескольких значениях
, то соответствующее число раз должны быть решены и эти уравнения. Заметим, что если все диагональные элементы матрицы
положительны, то матрицы
и А идентичны за тем исключением, что диагональные элементы первой из них получены умножением соответствующих элементов
на
Если известно, что
положительно-определенная матрица, как, например, в методе Гаусса (см. раздел 5.9), то для разрешения системы
относительно
можно применить метод разложения Холецкого (см. раздел А.5). Не лишено смысла начать решение с применения этого метода даже в тех случаях, когда отсутствует уверенность в положительной определенности упомянутой матрицы. Если в матрице будет найден отрицательный диагональный элемент, то вычисления по процедуре прерываются, значение
увеличивается в 10 раз, формируется новая матрица и вновь начинаются расчеты по той же процедуре. Можно предложить модифицированную процедуру, в которой каждому столбцу матрицы ставится в соответствие свое значение Я. Если, например, отрицательный диагональный элемент был встречен в третьем столбце, то соответствующее Я увеличивается до тех пор, пока он не станет положительным. При этом процедура Холецкого может быть продолжена без возвращения к ее началу.
(б) Пусть уравнение
описывает обратное шкалированное разложение матрицы А. Тогда можно легко убедиться в том, что выполняется равенство
Коль скоро разложение А получено, матрицу
можно вычислить для любого числа значений
Заметим, что мы можем ограничить свой выбор лишь значениями
удовлетворяющими неравенству
Здесь нелишне будет напомнить, что в методе Марквардта шаг
находится из условия минимизации квадратической аппроксимации функции
при ограничении
Другими словами, делается шаг в такую точку эллипсоида, заданного уравнением
в которой функция
достигает своего минимума.
Для проверки этого утверждения сформируем функцию Лагранжа:
Продифференцируем ее
приравняем производную нулю:
и найдем из этого уравнения
Это решение находится в полном соответствии с равенством
Выбор конкретного эллипсоида определяется значением
, поскольку при подстановке равенства
получается
Чем больше будет
тем меньшим окажется с и тем меньшим по размерам будет эллипсоид ограничений
Для того чтобы приступить к вычислениям по алгоритму, задается некоторый эллипсоид, размеры которого определяются уравнением
при подстановке в него начального значения
. Если соответствующий шаг
не приведет к уменьшению целевой функции, это значит, что выбранный эллипсоид намного больше той области, в которой справедлива квадратическая аппроксимация, заданная выражением
Увеличивая
, можно сжать эллипсоид и повторить все сначала.
Метод Марквардта оказался очень надежным на практике. В задаче с плохим начальным] приближением из раздела 5.21, а также
в нескольких задачах раздела 5.23 метод Марквардта оказался более быстродействующим по сравнению с методами выбора направлений. С другой стороны, для ряда задач [13] получены прямо противоположные результаты. Очевидно, необходимы дальнейшие исследования в этой области.