如何用梯度下降优化非负约束

时间:2015-08-07 11:52:18

标签: optimization machine-learning convex-optimization

我有以下形式的优化,

argmin_W f(W) S.T. W_i> 0,对于所有我

其中W是向量,f(W)是W上的函数。 我知道如何在没有非负约束的情况下进行优化。但我不确定如何用梯度下降来优化它。

2 个答案:

答案 0 :(得分:1)

开放集的优化非常棘手,所以让我们假设awk '{ system("kill -15 " $1)}',因此你可以使用很多方法:

  • 优化整个域的f(| W |)
  • 将GD用于f(W)但在每次迭代后将您的解决方案投射回域,因此将W = | W |
  • 使用约束优化技术,例如L-BFGS-B

答案 1 :(得分:0)

我认为没有一种通用而简单的方法。您必须在每个点进行某种搜索,以确保满足约束条件(line searchtrust regions等技术。)

或许f有一些你可以利用的结构。