平時我看起來很堅強,
可是遇到你,我會變成另一個模樣。
我不想考慮太多,
因爲追隨內心,你已經走進我的心牆。
我想讓你知道,
我從未想過放手,
只願陪你到永遠。
——暢寶寶的傻逼哥哥
如果一個算法滿足這樣的性質:任意的初始點x0∈X 都會產生一個收斂的點序列{xk}∞k=0 ,那麼稱該算法是全局收斂的。實際上,如果某些條件不滿足,甚至非常有效的算法都會失效。例如算法可能產生不收斂的序列或者收斂的點不是所求的解,存在一些導致算法失敗的因素,但是如果我們很清楚的瞭解他們,那麼我們就能採取某些避免失敗的措施,所以全局收斂成爲理論學者與實踐者共同的興趣。
大部分全局收斂理論處理的是保證全局收斂的環境與條件,其中一個重要的理論如下:
定理1: 令A表示X上的算法並假設初始點x0 將產生一個無窮序列{xk}∞k=0 ,其中
xk+1∈A(xk)
如果該算法的解集S與下降函數D(xk) 存在,使得
- 所有點xk 包含在X的緊子集中
- D(xk) 滿足下降函數的定義且
- A的映射對S外的所有點都封閉
那麼任何收斂序列{xk}∞k=0 的極限都是解。
證明: 這個定理的證明分兩部分。對a部分,我們假設x̂ 是任何序列{xk}∞k=0 子序列{xk}k∈I 的極限,其中I是整數的一個集合,並且說明D(xk) 對無限序列{xk}∞k=0 收斂。對b部分,我們說明x̂ 是集合S的解。
證明的第二部分非常依賴於魏爾斯特拉斯定理,如果W是緊集,那麼序列{xk}∞k=0 的極限點在W中,其中xk∈W 。如果集合W是閉的,那麼它也就緊集。如果W邊界上的所有點都屬於W,那麼W是閉集。如果W能被一個有限半徑的超球包圍,那麼W是有界集。魏爾斯特拉斯定理的一個結論是{xk}∞k=0 的任何子序列{xk}k∈I 的極限位於集合W¯={xk:k∈I} 中,因爲W¯ 是W的子集,所以它也是緊集。
(a)因爲D(xk) 在X上是連續的且x̂ 是序列{xk}k∈I 的極限,所以存在正數與整數K使得當k≥K 時
D(xk)−D(x̂ )<ε
其中k∈I ,因此D(xk) 對子序列{xk}k∈I 收斂。然而我們還必須證明D(xk) 對無限序列{xk}∞k=0 收斂。
對於任意k≥K ,我們有
D(xk)−D(x̂ )=[D(xk)−D(xK)]+[D(xK)−D(x̂ )]
如果k=K ,那麼
D(xK)−D(x̂ )<ε
如果k≥K ,那麼D(xk)≤D(xK) ,因此
D(xk)−D(xK)≤0
由此可得對任意k≥K
D(xk)−D(x̂ )<ε
因此
limk→∞D(xk)=D(x̂ )
即當xk→x̂ 時D(xk) 相對於無限序列收斂。
(b)假設x̂ 不在解集中,因爲子序列{xk+1}k∈I 的元素屬於屬於緊集,根據魏爾斯特拉斯定理可知存在緊子集{xk+1:k∈I¯⊂I} 使得xk+1 收斂到極限x¯ 。根據部分(a),我們說明了
limk→∞D(xk+1)=D(x¯)
因此
D(x¯)=D(x̂ )
另一方面
xk→x̂ xk+1→x¯for k∈I¯for xk+1∈A(x)
根據假設x̂ ∉S ,並且A對S外的點是閉的,我們有
x¯∈A(x̂ )
因此
D(x¯)<D(x̂ )
得出矛盾,因爲{xk}∞k=0 的任何收斂子序列的極限是解。
對於簡單的情況,上面的定理說明,如果
- 算法生成的點在有限的En 空間中
- 可以找到滿足要求的下降函數
- 算法在解鄰域的外邊是封閉的
那麼算法是全局收斂的。進一步,我們可以在有限次迭代下得到近似解,因爲{xk}∞k=0 的任何有限子序列的極限都是解。
定理1的推論同樣非常重要:
推論1: 如果定理1的條件成立,解集S由一個點x̂ 組成,那麼序列{xk}∞k=0 收斂到x̂ 。
證明: 如果我們假設有一個子序列{xk}k∈I 不收斂到x̂ ,那麼對於所有的k∈I,ε>0 ,
∥xk−x̂ ∥>ε
集合{xk∈I′⊂I} 是緊集,{xk}