改进的共轭梯度法
原创
©著作权归作者所有:来自51CTO博客作者mb6130366233d76的原创作品,请联系作者获取转载授权,否则将追究法律责任
今天看到共轭梯度法的两种实现,一种称为fletcher-reeves(FR-CG)方法,另一种称为polak-ribiere(PR-CG)方法。
在含体积蒙皮的模拟过程中,两者差别不大
又对比了wolfe的c1,c2取值,发现c2取0.1时,共轭梯度法在初始阶段收敛较取0.45时快,但后期收敛慢
在不含体积蒙皮的模拟过程中,两者性能略有差别。但差别与是否只取大于0的beta,是否在梯度与上次迭代梯度方向相近时直接去最速下降法有关。有时候FR较快,有时候PR较快。
最后按照numerical optimization的建议,采取了PR方法。
上一篇:关于maya动力学系统的一些总结
下一篇:学习cocos 空程序
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
简单的尾插法实现单链表
尾插法建立单链表
结点 头结点 链表 -
Python实现共轭梯度实验 共轭梯度法代码
 
Python实现共轭梯度实验 梯度下降法 牛顿法 共轭梯度法 迭代