※ 引述《wheado (principal component QQ)》之铭言：
: [程式范例]:
: http://ideone.com/xCSQ8s
: [环境叙述]:
: R version 3.3.2 (2016-10-31)
: [关键字]:
: nonlinear conjugate gradient for minimization
: 感谢大家的指导跟建议
: 这真的好困难QQ
我目前测出来的结果是...应该是算法本身的问题
那篇教学里有说非线性的conjugate gradient只有在起始点接近local minima时才会收敛
我在[-4,4]^2里用你的code跑了10,000个起始点,
黑色的点代表以该点为起始点有收敛到正确的极值 f(x)=-1
http://i.imgur.com/74MDxkO.png
看得出来只有在 (pi/2, -pi/2) modulo pi 的附近才会收敛到正确的点
其他地方只能听天由命
也可能是程式里有bug 但我看了半天还是看不出来
不是numDeriv的问题, 换成analytical solution也是一样
P.S. 你忘记update i=i+1

谢谢神人大哥开导我想请问optim里面的cg到底跟我的差别在哪，为何optim可以找到最小可是我的不行....看套件说明的detail都是用同样的方法

我觉得有可能是浮点数的问题 在算hessian时以你的函数off-diagonal的应该是0 但用numDeriv会有一点误差

也就是说要去了解optim是如何自己算出gradient 跟 hessian...在一般问题最佳化的时候，根本就找不到函数偏微分，其他更不用说了....

也有可能是那篇文章里的作法有误 我过两天再研究一下

好的，谢谢大哥，我也会继续试试看

发现自己不知道在讲啥= = 应该不是浮点数问题

哪到底是~好混乱啊

除非convex 否则算法不保证能找到最佳解optim用的算法都是许多人试过好用的区区一篇paper的方法要打败这些被公认的好方法不容易

恩……所以是算法的问题吗？那我在去看看optim 里面的CG到底是怎么跑的……但是我并没有要global min 而是希望可以跑到local min 但是希望可以避开saddle point 目前的情况似乎是我的会掉到saddle poont 可是……optim可以掉到local min……